OmniEval: A Benchmark for Evaluating Omni-modal Models with Visual, Auditory, and Textual Inputs
Created by
Haebom
저자
Yiman Zhang, Ziheng Luo, Qiangyu Yan, Wei He, Borui Jiang, Xinghao Chen, Kai Han
개요
본 논문은 다중 모달리티(시각, 청각, 텍스트) 모델을 평가하기 위한 새로운 벤치마크인 OmniEval을 소개합니다. OmniEval은 기존 벤치마크와 달리, 오디오와 비디오 간의 강력한 상호작용을 평가하는 과제를 포함하여 다중 모달리티의 협력적 지각 능력을 평가합니다. 810개의 오디오-비디오 동기화 비디오(중국어 285개, 영어 525개)와 2617개의 질의응답 쌍(개방형 질문 1412개, 객관식 질문 1205개)으로 구성되어 있으며, 3가지 주요 과제 유형과 12가지 하위 과제 유형으로 세분화되어 포괄적인 평가를 수행합니다. 특히, 비디오 내 특정 부분을 찾는 보다 세분화된 과제인 Grounding을 새롭게 도입했습니다. 여러 다중 모달리티 모델을 사용한 실험 결과도 제시하며, 모든 모달리티의 맥락에서 일관성을 구축하고 이해하는 능력을 평가하는 플랫폼으로서 OmniEval의 활용을 제시합니다. 코드와 데이터는 https://omnieval-benchmark.github.io/ 에서 확인할 수 있습니다.