본 논문은 대규모 비디오 모델(LVMs)의 환각(hallucination) 문제를 체계적으로 평가하기 위한 새로운 벤치마크 MESH를 제안합니다. 기존 벤치마크의 한계를 극복하고자, 질의응답(Question-Answering) 방식을 사용하여 기본 객체, 세부 특징, 주체-행위 쌍 등을 다층적으로 평가합니다. 이는 사람이 비디오를 이해하는 과정을 모방하여, LVMs의 환각 발생 원인을 보다 정확하게 파악하는 것을 목표로 합니다. 실험 결과, LVMs는 기본 객체나 특징 인식에는 능숙하지만, 세부적인 정보나 다양한 주체의 복합 행위를 다루는 장면에서는 환각 발생률이 크게 증가함을 보여줍니다.
