实体
OmniVideoBench
OmniVideoBench
PulseAugur coverage of OmniVideoBench — every cluster mentioning OmniVideoBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
AVOC框架提升大语言模型长篇音视频理解能力
研究人员开发了AVOC，一个旨在增强全模态大语言模型（Omni-modal LLMs）长篇音视频理解能力的新型框架。AVOC通过采用一个可学习的令牌压缩模块来解决上下文窗口大小和信息冗余的限制。该模块将压缩重构为一个Top-K检索问题，根据相关性、重要性和多样性标准选择一小组令牌。实验表明，AVOC在长篇音视频基准测试中取得了最先进的性能，显著优于现有模型，并在小时级任务上保持了稳健的性能。
-
新的基准和代理框架增强了 LLM 的视听推理能力
研究人员推出了 MOV-Bench，这是一个旨在评估 Omni-LLM 多跳视听推理能力的新基准。该基准包含 519 个问题，需要对分散的音频和视觉证据进行复杂推理。为了解决当前模型的局限性，该团队还开发了 AOP-Agent，这是一个代理框架，可以在无需额外训练的情况下增强 Omni-LLM 的主动感知能力。实验表明，AOP-Agent 显著提高了推理性能，尤其是在处理更长的视频和更具挑战性的问题时。