发布海洋视频理解数据集MarineLife-16K

研究者（Quang-Trung Truong 等）在 arXiv 发布海洋视频理解数据集 MarineLife-16K，包含 2000 个视频-文本对，标注 13 种属性，覆盖每场景最多 4 个目标、行为、环境与相机运动等，视频来自 7 个国家。 团队还基于数据集生成 16,080 个视频问答对（12,080 个选择题、4,000 个开放式），并对专有与开源视频-LLM 模型在视频问答和视频描述任务上进行了基准评测。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。