南洋理工大学 发布 FIOVA 数据集, 应用在 视频理解、视觉语言模型 领域

南洋理工大学 本次发布的数据集 FIOVA, FIOVA数据集由南洋理工大学和中国科学院自动化研究所等机构共同创建，包含3002个长视频序列，平均时长为33.6秒，涵盖38个不同的主题。每个视频由五名不同的标注者进行详细标注，生成4到15倍于现有基准的描述长度，旨在建立一个全面的人类理解基线。数据集的创建过程严格遵循标准化指南，确保描述的准确性和一致性。FIOVA数据集主要用于评估和比较大型视觉语言模型与人类在视频理解任务中的表现，旨在解决视频描述任务中的复杂时空关系理解问题。

查看FIOVA

关于 南洋理工大学 , 南洋理工大学（Nanyang Technological University, NTU）是新加坡的一所世界顶尖研究型大学，以其工程、科学、商业和人文社会科学等领域的卓越研究而闻名。

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。