研究人员推出了CLIP-CC-Bench，这是一个新的评估套件，旨在评估视频语言模型生成详细的段落级描述的能力。该基准源自电影内容，弥补了当前评估通常侧重于短片段和单句指标的不足。CLIP-CC-Bench 利用基于 LLM 的嵌入模型集合，并采用粗粒度和细粒度语义匹配来比较生成的描述与专家参考，旨在为模型性能提供更可靠、更全面的评估。 AI
影响 为长篇视频描述生成提供了更强大的评估框架，推动了更先进的视频语言模型的发展。
排序理由 该集群描述了一篇介绍视频语言模型评估基准的新学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Benchmarking video-language models has largely focused on short clips and single-sentence metrics, leaving open whether current systems can generate accurate long-form, paragraph-level descriptions. We introduce CLIP-CC-Bench, an evaluation suite for long-form video description b…
arXiv:2608.04302v1 Announce Type: new Abstract: Benchmarking video-language models has largely focused on short clips and single-sentence metrics, leaving open whether current systems can generate accurate long-form, paragraph-level descriptions. We introduce CLIP-CC-Bench, an ev…