목록2025/05/20 (1)

파이톨치

Video-MME: The First-Ever ComprehensiveEvaluation Benchmark of Multi-modalLLMs in Video Analysis

1. 왜 이렇게 접근했는가? (Motivation)기존의 멀티모달 대형 언어 모델(Multi-modal LLM, MLLM)은 이미지 기반 평가에는 성능이 입증되었지만, 비디오처럼 시퀀스 기반 시각 데이터에 대한 평가와 이해는 매우 부족했어. 특히 기존 벤치마크는 다음과 같은 한계가 있었어:비디오 길이가 짧아서 복잡한 시간 추론 불가 (예: 대부분 2분 이내)다양한 도메인을 커버하지 못함 (예: 대부분 영화나 일상 영상)오디오나 자막 같은 추가 모달리티 부족정확도 높은 수작업 평가 부재그래서 저자들은 더 현실적이고 복합적인 비디오 상황에서 MLLM을 평가할 수 있는 벤치마크인 Video-MME를 만들게 된 거야.2. 어떻게 접근했는가? (Approach)📌 핵심 전략은 4가지야:다양한 비디오 도메인: 6..
논문 2025. 5. 20. 13:20
이전 Prev 1 Next 다음