arXiv · cs.AI 人工智能· Dazhao Du, Shiyan Du, Jian Liu, Yongjian Yu, Bohai Gu, Tao Han, Jie Zhang, Hualuo Liu, Eric Liu, Yujia Zhang, Xi Chen, Song Guo·· 4 小时前精选AI 评分63
CamChoreo 基准发布：评测视觉语言模型的时间定位与复合相机运动理解
CamChoreo: Benchmarking Temporally Grounded Compositional Camera Motion Understanding for Vision Language Models
AI 导读
作者提出 CamChoreo，这是首个面向时间定位与复合相机运动理解的基准，包含 4,229 段单镜头视频和 20 个方向感知标签，近一半片段含复合相机运动。配套约 43K 段同格式训练语料，4B/8B 骨干经 SFT 达到 62.1/64.1 micro F1，超过先进闭源视觉语言模型。
推荐理由
该基准把镜头内相机运动拆成时间区间与复合运动识别，并给出配套训练语料与蒸馏方法，便于读者判断现有 VLM 的短板。
来源：arXiv · cs.AI 人工智能 · arxiv.org