研究人员开发了用于改进复杂体育场景视频理解的新框架。TreeSoc 采用分层、树状搜索方法,并动态集成工具,将复杂查询分解为子任务,在 SoccerBench 基准测试上取得了最先进的成果。同时,SportMV-Agent 通过采用一种利用多视角信息以增强感知和推理的智能框架,解决了体育运动中单视角分析的局限性,在一个新引入的基准测试中表现优于现有的多模态大型语言模型。 AI
影响 这些进展可能带来更复杂的能够分析复杂视觉数据的AI系统,影响体育分析、内容审核和监控等领域。
排序理由 两篇介绍视频理解新框架和基准的研究论文。
- arXiv
- Hugging Face
- multimodal large language model
- SoccerBench
- SportMV-Agent
- SportMV-Bench
- TreeSoc
- Trong-Thuan Nguyen
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →