研究人员重新审视了用于电影理解的检索增强生成(RAG)的场景分割方法,发现现有方法在性能上未能超越简单的时序分块。当前的基准测试优先考虑视觉过渡而非叙事结构,导致检索单元无效。为解决此问题,开发了一个名为NarraScene的新数据集,该数据集侧重于具有三级认知分类法的叙事中心分割。使用这些以叙事为基础的片段作为检索单元,显著改善了下游电影理解任务。 AI
影响 通过提供更相关的检索单元,可以改善LLM从长视频中理解和生成内容的方式。
排序理由 介绍新数据集和特定AI任务方法学的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →