跳到正文
arXiv · NLP· Xuyang Liu, Shihao Wang, Xinyu Wei, Minghan Li, Zeqing Wang, Zuhao Yang, Zichen Wen, Lei Zhang·· 2026-10-14AI 评分28

OmniCompass 发布:首个全模态视频定位与理解基准

OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding

AI 导读

OmniCompass 基准包含 820 个视频和 2,460 个实例,定义视觉与视听两条评估轨道,涵盖时间定位、空间定位及问答任务。 50 个多模态大模型(MLLM)的评估结果显示,开源模型在视听理解上落后于专有模型,且头部模型在精准定位上仍具挑战。

来源:arXiv · NLP · arxiv.org