BriefGPT - AI 论文速递
·
Towards Fine-Grained Video Question Answering
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了Multi-Object Multi-Actor Question Answering (MOMA-QA)数据集，以解决视频问答中的时间和空间粒度不足问题。同时，提出了一种新的视频语言模型SGVLM，结合场景图预测和大型语言模型，显著提升了视频理解的精细度。
🎯
关键要点
- 本研究提出了Multi-Object Multi-Actor Question Answering (MOMA-QA)数据集，以解决视频问答中的时间和空间粒度不足问题。
- MOMA-QA数据集旨在提高视频理解的精细度。
- 提出了一种新的视频语言模型SGVLM，结合场景图预测和大型语言模型。
- SGVLM显著提升了视频理解中的时间定位和关系理解能力。
- 研究推动了视频问答领域的进展。
➡️
