php做的网站缺点,做网站客户端,青岛app软件开发公司,wordpress 极客主题2024-10-15#xff0c;由威斯康星大学麦迪逊分校、微软研究院雷德蒙德等机构联合创建了TemporalBench#xff0c;它通过大约10K个视频问答对#xff0c;提供了一个独特的测试平台#xff0c;用以评估各种时间理解和推理能力#xff0c;如动作频率、运动幅度、事件顺序等。…2024-10-15由威斯康星大学麦迪逊分校、微软研究院雷德蒙德等机构联合创建了TemporalBench它通过大约10K个视频问答对提供了一个独特的测试平台用以评估各种时间理解和推理能力如动作频率、运动幅度、事件顺序等。 一、研究背景
在多模态视频理解和生成领域细粒度的时间动态理解至关重要。然而由于缺乏细粒度的时间标注现有的视频基准测试大多类似于静态图像基准测试无法有效评估模型对时间理解的能力。 目前遇到困难和挑战
1、现有的视频理解基准测试偏向语言先验偏见忽略了视频内容真正的时间动态。
2、当前的视频基准测试存在单一帧偏见倾向于空间推理未能测试模型对时间序列的理解。
3、现有的多模态视频模型VLMs在流行的视频问答基准测试中表现优于视频对应模型但这种优势并不是建立在对视频时间事件真正理解的基础上。 数据集地址TemporalBench|视频理解数据集|时间理解数据集 二、让我们一起看一下 TemporalBench
TemporalBench是一个基准测试benchmark它专门设计来评估多模态视频模型在理解视频中细粒度时间动态方面的能力。这个基准测试包含了大约10K个视频问题-答案对这些问题-答案对是基于大约2K个高质量人类标注的视频剪辑衍生而来的。通过这些详细的时间动态描述TemporalBench 提供了一个独特的测试平台用于评估各种时间理解和推理能力例如动作频率、运动幅度、事件顺序等。
TemporalBench支持多种视频理解任务包括视频问答、视频字幕生成、长视频理解等。它提供了详细的视频描述可以用于评估视频-语言嵌入模型和生成模型。
基准测试
测试显示即使是最先进的模型如GPT-4o在TemporalBench上的问答准确率仅为38.5%而人类为67.9%表明AI模型在时间理解上与人类存在显著差距。 TemporalBench 的任务。TemporalBench 从细粒度的视频描述开始支持包括视频 QA、视频字幕、长视频理解等多样化的视频理解任务。它与现有基准的不同之处在于每个视频的平均字数中上、字密度中和各种时间方面的覆盖率中下。 在第 1 步中我们使用合格的 AMT 注释者为视频收集高质量的字幕然后对其进行优化。
在第 2 步中我们利用现有的 LLMs 来生成负面字幕方法是替换选定的单词并重新排序操作序列然后再自行过滤它们。 从 TemporalBench 中的原始字幕和我们的详细字幕生成的负面字幕的比较。对于细粒度的细节底片更加困难且以时间为中心。 TemporalBench 中 a 短视频剪辑和 b 长视频的视频长度分布。 多选 QA 的插图其中包含 a 原始字幕和 b 启发式指导的否定字幕。橙色块表示从正选项绿色框更改的内容。 在不同帧的 TemporalBench 上建模性能。 三、让我们一起展望TemporalBench的应用
比如我是一名足球教练正在分析上周的重要比赛特别是那个决定比赛胜负的关键时刻——一个精彩的进球。我想知道这个进球是怎么发生的球员们的动作是如何配合的以及防守方是在哪里出现了失误。
这个进球发生在比赛的第75分钟。当时我的球队在对方半场获得了一个角球机会。
动作分析 角球开出首先我看到底角球是由7号球员开出的。他站在角旗区抬头观察了一下禁区内的情况然后起脚将球传向了禁区中央。 空中争顶球飞向禁区中央时我的球队的中锋9号球员和对方两名中卫同时起跳争顶。这个动作非常关键因为9号球员的起跳时机和高度都把握得非常好他成功地将球顶向了球门的方向。 射门这时我的球队的前锋11号球员出现在了正确的位置。他观察到9号球员的头球后迅速调整自己的位置用一脚凌空抽射将球打进了对方球门。 现在我使用一个通过了TemporalBench基准测试的系统 就可以分析这个进球过程它能够提供详细的时间线和动作描述。
这个系统能够识别和记录以下关键信息
1、7号球员在第75分钟30秒时开出角球。
2、9号球员在第75分钟32秒时成功争顶将球顶向了球门方向。
3、11号球员在第75分钟33秒时完成射门球进了。
这些信息不仅能帮我理解进球的整个过程还能分析出球员们的动作是如何精确配合的。比如7号球员的传球时机9号球员的头球力度和方向以及11号球员的射门时机。
它不仅能帮我理解比赛的关键时刻还能分析球员们的动作是如何精确配合的。这种细粒度的时间动态理解对于教练来说绝对是分析比赛、提高球队表现的有力工具。 来吧让我们走进TemporalBench|视频理解数据集|时间理解数据集
