跳到正文
Hugging Face Daily Papers·· 22 天前AI 评分63

AskStream:在流式视频理解中主动询问何时与何事

AskStream: When and What to Ask Proactively under Uncertainty in Streaming Video Understanding

AI 导读

针对流式视频理解中因信息不确定导致模型被动等待或产生幻觉的问题,本文提出 AskStream 基准,首次将“主动询问”作为第三种交互动作引入多轮对话框架。该基准涵盖 438 个视频及 2714 个人工标注的帧级时间窗口,包含等待、询问和回答三种状态,覆盖四个任务类别与八个子任务。

来源:Hugging Face Daily Papers · arxiv.org