清华大学 发布 ACVUBench 数据集, 应用在 视频理解、音频处理 领域

清华大学 本次发布的数据集 ACVUBench, ACVUBench是一个专为音频中心视频理解设计的综合基准，包含跨越18个不同领域的2,662个视频，具有丰富的音频信息，以及超过13k的高质量人类注释或验证的问题-答案对。该数据集引入了一系列精心设计的音频中心视频理解任务，全面测试音频内容和音频-视觉交互的理解。数据集分为两部分：AV-Human和AV-Gemini，分别包含人工注释和半自动生成的数据。

查看ACVUBench

关于 清华大学 , 清华大学是中国顶尖的综合性研究型大学，位于北京市，是中国最高学府之一，以其在工程、计算机科学、材料科学等领域的卓越研究和教学水平闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。