MarineLife-16K

新的MarineLife-16K数据集旨在促进视频-LLM对海洋环境的理解

研究人员推出了MarineLife-16K，这是一个新推出的、大规模的视频-文本数据集，用于理解海洋环境。该数据集包含2000个视频-文本对，并对物体、属性、行为和环境背景进行了详细注释，生成了超过16000个视频-问题对。对各种视频-LLM模型的基准测试显示，专有模型通常表现更好，尽管模型能很好地处理物体运动，但在处理复杂的摄像机运动和静态摄像机推理方面仍存在困难。