研究团队发布MTG-AD数据集及评测框架

2026年10月30日，Subhashini Venugopalan等研究团队在arXiv提出MTG-AD数据集与MTG-AD-Eval评估框架。该成果旨在提升视觉媒体对盲人和低视力用户的可访问性。 MTG-AD数据集包含36小时视频及8000余条由视障与明眼专家共同标注的描述。配套的MTG-AD-Eval框架通过生成音频轨道来评估时序适配性，实现端到端的行内音频描述基准测试。 实验结果表明，多模态大语言模型虽能减少语音重叠，但在叙事节奏上仍存在差距。该研究证明了自动指标与人类评分显著相关，成果已发表于NeurIPS 2026。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。