研究人员推出HAPACT,这是一个新的基准和数据集,旨在改进视频中以人为中心的物理影响的定位。该基准源自电影片段,侧重于识别影响人体的强制性事件的时间和空间方面。该数据集包含超过2.8K个视频-查询对,拥有超过20K个标注帧,利用了以观众为中心的标注和文本条件定位。使用现有的视频时刻检索和人景交互模型进行的初步评估表明,物理影响定位仍然是一项具有挑战性的任务,突显了HAPACT在推动该领域研究方面的必要性。 AI
影响 该基准可以推动人工智能系统在视频理解和物理推理方面的进步。
排序理由 该集群包含一篇研究论文,介绍了一个特定人工智能任务的新基准和数据集。[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 →