Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

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.

시사점, 한계점

시사점:
다중 모달리티 모델의 협력적 지각 능력을 종합적으로 평가할 수 있는 새로운 벤치마크 OmniEval을 제공합니다.
다양한 언어(중국어, 영어)와 과제 유형(개방형 질문, 객관식 질문, Grounding)을 포함하여 포괄적인 평가가 가능합니다.
다중 모달리티 모델의 성능 비교 및 향상을 위한 표준 플랫폼을 제공합니다.
한계점:
현재 벤치마크에 포함된 비디오의 수와 언어가 제한적일 수 있습니다. (810개 비디오, 중국어 및 영어에 한정)
OmniEval이 모든 종류의 다중 모달리티 모델에 적용 가능한지에 대한 추가적인 검증이 필요합니다.
벤치마크의 과제 구성 및 평가 지표의 객관성 및 공정성에 대한 추가적인 논의가 필요할 수 있습니다.
👍