随着多模态大模型技术在公共安全、智能安防领域的落地进程加快，视频智能分析、法医级影像检索的市场需求持续释放，但长期以来，行业缺乏针对监控场景、支持多模态查询、可标准化评测视频大模型实际工作性能的垂直领域基准数据集，成为掣肘相关技术从实验室走向落地应用的核心瓶颈之一。北京时间2026年4月24日，高通（Qualcomm）在HuggingFace平台正式首发ForeSeaQA视频问答（VideoQA）基准数据集，专门面向视频监控分析、法医时间定位领域的核心需求设计。
据介绍，ForeSeaQA是高通ForeSea数据集系列中针对视频问答任务的专项基准，核心目标是评估视频大语言模型（VideoLLMs）、视频检索增强生成（Video-RAG）系统在真实安防分析师、刑侦技术人员工作流程中的实际表现，支持结合参考图像（如嫌疑人快照、涉案物品照片）和文本问题的多模态查询模式，完全贴合公共安全场景下的真实检索需求。
该数据集设置了三大核心评估维度：一是答案正确性，以多项选择准确率为核心指标，验证模型对视频内容的理解准确性；二是时间定位能力，评估模型能否精准预测包含关键证据的时间区间，满足法医场景下对事件时间节点的高精度要求；三是多模态推理能力，验证模型对图像、文本混合查询的信息整合与分析水平。围绕三大维度，ForeSeaQA共设置六类细分任务，覆盖公共安全场景下的高频需求：搜索（SE）任务可用于验证模型根据目标图像检索其在监控中出现记录的能力，活动（AC）任务对应特定行为识别需求，事件（EV）任务用于评测突发事件完整时段定位能力，时间（TM）任务可验证事件发生时间的查询准确率，计数（CT）任务对应特定目标出现次数统计需求，异常（AN）任务则用于评估模型对监控画面中违规、危险情况的识别能力。
为保障数据集的专业性与可靠性，ForeSeaQA采用半自动化数据引擎生成，并经过多轮人工验证，确保所有问答对的有效性、答案准确性与时间定位标注精度。数据集的视频源均来自行业内广泛使用的UCF-Crime公开安防数据集，涵盖128小时、共1900个各类安防场景视频，包含完整的注释文件（覆盖问题、多项选择选项、正确答案、时间戳、任务类型等信息）以及用于生成、查询多模态问题参考图像的映射元数据。官方明确该数据集仅限研究用途使用，相关研究成果需标注引用对应论文。
行业分析认为，ForeSeaQA的发布填补了垂直安防、法医领域多模态视频问答评测数据集的空白，能够为科研机构、科技企业提供标准化的评测工具，帮助其更精准地优化视频大模型在真实公共安全场景下的性能，加快智能视频分析技术在城市治安防控、刑侦案件调查、重点区域安防等领域的落地效率，也为垂直领域数据要素的标准化建设提供了参考范例。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)