ACVUBench: An Audio-Centric Video Understanding Benchmark

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了音频为中心的视频理解基准(ACVUBench),旨在评估多模态大型语言模型对音频信息的理解能力。基准包含2,662段视频和超过13,000个问答对,设计了音频中心任务,以展示音频-视觉模型的不足。

🏷️

标签

➡️

继续阅读