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.

MVU-Eval: Towards Multi-Video Understanding Evaluation for Multimodal LLMs

Created by
  • Haebom
Category
Empty

저자

Tianhao Peng, Haochen Wang, Yuanxing Zhang, Zekun Wang, Zili Wang, Ge Zhang, Jian Yang, Shihao Li, Yanghai Wang, Xintao Wang, Houyi Li, Wei Ji, Pengfei Wan, Wenhao Huang, Zhaoxiang Zhang, Jiaheng Liu

개요

본 논문은 멀티모달 대규모 언어 모델(MLLM)의 멀티 비디오 이해 능력을 평가하기 위한 최초의 포괄적인 벤치마크인 MVU-Eval을 소개합니다. MVU-Eval은 다양한 도메인의 4,959개 비디오에서 파생된 1,824개의 질문-응답 쌍을 통해 8가지 핵심 역량을 평가하여, 자율 시스템의 멀티 센서 합성 및 스포츠 분석과 같은 실제 응용 분야에 맞춰져 있습니다. 최첨단 모델 평가를 통해 현재 MLLM의 멀티 비디오 이해 능력에 상당한 격차가 있음을 밝혀냈습니다.

시사점, 한계점

MVU-Eval을 통해 MLLM의 멀티 비디오 이해 능력을 평가하는 새로운 벤치마크를 제공합니다.
자율 시스템 및 스포츠 분석 등 실제 응용 분야에 대한 평가를 수행합니다.
현존하는 MLLM의 멀티 비디오 이해 능력에 대한 한계를 제시합니다.
단일 비디오 이해에 치중된 기존 평가의 한계를 극복합니다.
벤치마크 공개를 통해 향후 연구를 촉진합니다.
👍