NeurIPS 2024 | E.T. Bench：迈向细粒度、事件级的视频时序理解

文章预览

点击下方 卡片 ，关注“ CVer ”公众号 AI/CV重磅干货，第一时间送达 点击进入—> 【Mamba/多模态/扩散】交流群 添加微信号：CVer2233，小助手会拉你进群！ 扫描下方二维码，加入CVer学术星球 ！ 可以获得最新顶会/顶刊上的论文idea 和 CV从入门到精通资料，及最前沿应用 ！发论文/搞科研/涨薪，强烈推荐！ 论文名：E.T. Bench: Towards Open-Ended Event-Level Video-Language Understanding 项目主页：https://polyu-chenlab.github.io/etbench/ 论文链接：https://arxiv.org/abs/2409.18111 代码链接：https://github.com/PolyU-ChenLab/ETBench 引言 多模态大模型的出现引发了视觉-语言理解领域的重大范式转变。多模态大模型通过融合先进的视觉编码器与大语言模型，获得了优越的多模态感知和推理能力。为了全面地评估这些模型的能力，诸多图像/视频理解测试基准被构建出来。其中，视频理解测试基准上 ………………………………