STEMO-Bench

新的基准STEMO-Bench旨在解决视频中的MLLM幻觉问题

一篇研究论文介绍了一个新的基准STEMO-Bench，旨在评估多模态大语言模型（MLLMs）在视频理解中的时空监控能力。该论文认为，由于缺乏持久的对象跟踪，现有基准未能充分诊断MLLMs在动态场景中产生幻觉的倾向。为了解决这个问题，研究人员还提出了STEMO-Track，一个构建和推理对象轨迹以改善时间推理和减少MLLMs幻觉的框架。