Soccer-GMR

新的基准和模型推动视频中通用时刻检索的进展

研究人员引入了通用时刻检索（GMR），这是一个视频分析的新框架，它超越了每个查询只有一个匹配时刻的假设。该方法旨在检索所有相关的时域片段，或在没有时刻匹配给定自然语言查询时正确识别出来。为了支持这一点，他们使用足球视频开发了 Soccer-GMR 基准，并提出了两种建模范式：用于现有模型的 GMR 适配器和用于微调多模态大语言模型的 GRPO 奖励。