arXiv · AI· Subhashini Venugopalan, Jenny Tan, Taylor Roper, Jimmy Tobin, Anton Kast, Alicia Martin, Sam Sepah, Amy Pavel·· 6 小时前AI 评分34
MTG-AD：端到端行内音频描述的基准数据集与细粒度评估框架
Mind The Gap (MTG-AD): Dataset and Fine-grained Evaluation for End-to-End Inline Audio Descriptions
AI 导读
研究团队提出 MTG-AD 数据集与 MTG-AD-Eval 评估框架，用于提升视觉媒体对盲人和低视力用户的可访问性。 MTG-AD 包含 36 小时视频及 8000 余条由视障与明眼专家共同标注的描述，MTG-AD-Eval 通过生成音频轨道评估时序适配性。 实验显示，多模态大语言模型虽能减少语音重叠，但在叙事节奏上仍有差距；自动指标与人类评分显著相关，该成果已发表于 NeurIPS 2026。
来源：arXiv · AI · arxiv.org