研究人员推出了RevisitQA,这是一个新的基准测试,旨在评估视频问答模型处理具有频繁场景重访的短视频的能力。该基准测试包含 622 个片段中的 2,577 个问题,重点关注物体在重复观看之间可能发生变化或消失的场景。当前模型在此类挑战中表现不佳,在可回答的问题上准确率中位数仅为 55.5%,并且在答案未解决时倾向于不弃权。 AI
影响 突出了视频问答模型面临的新挑战,可能推动状态跟踪和时间推理方面的发展。
排序理由 该集群描述了一个用于评估AI模型的新学术基准测试。[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 →