arXiv · 机器人与计算机视觉· Wenliang Guo, Yu Kong·· 20 天前AI 评分62
首个面向指令视频的物体中心过程理解基准 ProcObject-10K 发布
Benchmarking and Learning Object-Centric Procedural Understanding in Instructional Videos
AI 导读
现有指令视频基准多为动作中心,无法评估模型对物体状态演变的推理能力。本文提出 ProcObject-10K,这是首个联合评估物体中心推理与时序证据定位的基准,包含 1,799 个视频、10,522 个开放问答对,覆盖 137 项任务及五种推理类型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org