OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding
Aggiunta all'archivio di AIChronos il (numero del 17 ottobre 2026 ricostruito)· fonte del · Xuyang Liu, Shihao Wang, Xinyu Wei, Minghan Li, Zeqing Wang, Zuhao Yang (VCLab)
OmniCompass è un benchmark holistico per l'omnimostrale intelligenza video e linguistica che valuta vision-language (VL) e omnio-modali (AV) modelli attraverso tre compiti: grounding temporale, spaziale e domande a risposta. Mostra che i modelli open-source sono ancora inferiori ai proprietti, specialmente nell'understanding audio-visual.
- OmniCompass include due tracce di valutazione: OmniCompass-VL e OmniCompass-AV.
- Ogni traccia ha tre compiti: grounding temporale, spaziale e domande a risposta.
- I modelli open-source mostrano un debole performance rispetto ai proprietti, specialmente nell'understanding audio-visual.
Perché conta. Per uno sviluppatore che lavora con LLM, agenti e AI locale, OmniCompass fornisce una valutazione dettagliata delle competenze video e linguistiche, identificando le aree di miglioramento per i modelli open-source.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.