本研究提出了MomentSeeker基准，旨在解决长视频理解中的时刻检索问题，涵盖超过500秒的视频，评估多种检索模型的表现，揭示现有方法的局限性，并通过多模态大语言模型取得显著成果。

MomentSeeker：长视频时刻检索的综合基准与强基线
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证