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.

VideoRefer Suite: Advancing Spatial-Temporal Object Understanding with Video LLM

Created by
  • Haebom
Category
Empty

저자

Yuqian Yuan, Hang Zhang, Wentong Li, Zesen Cheng, Boqiang Zhang, Long Li, Xin Li, Deli Zhao, Wenqiao Zhang, Yueting Zhuang, Jianke Zhu, Lidong Bing

개요

본 논문은 영상 대규모 언어 모델(Video LLMs)의 미세한 공간-시간적 세부 정보 파악 능력 부족 문제를 해결하기 위해 VideoRefer Suite를 제시합니다. VideoRefer Suite는 대규모 고품질 객체 수준 영상 지시 데이터셋(VideoRefer-700K), 다재다능한 공간-시간적 객체 인코더를 갖춘 VideoRefer 모델, 그리고 Video LLM의 공간-시간적 이해 능력을 종합적으로 평가하는 VideoRefer-Bench로 구성됩니다. 실험 결과, VideoRefer 모델은 기존 비디오 참조 벤치마크에서 우수한 성능을 달성하고 일반적인 영상 이해 능력을 향상시키는 것을 보여줍니다.

시사점, 한계점

시사점:
객체 수준의 영상 지시 데이터셋과 벤치마크를 제공하여 Video LLM의 발전을 촉진합니다.
미세한 공간-시간적 영상 이해를 위한 새로운 모델 아키텍처를 제시합니다.
VideoRefer 모델이 일반적인 영상 이해 능력 향상에 기여함을 실험적으로 증명합니다.
한계점:
VideoRefer-700K 데이터셋의 크기 및 다양성에 대한 구체적인 정보 부족.
VideoRefer 모델의 아키텍처 및 구현에 대한 상세한 설명 부족.
VideoRefer-Bench의 평가 지표 및 측정 방법에 대한 추가적인 설명 필요.
👍