ReVA: A Scene-Centric Dataset Beyond Repetition for Remote Sensing Video Question Answering
Aggiunta all'archivio di AIChronos il (numero del 28 settembre 2026 ricostruito)· fonte del · Zhen Yao, Likai Wang, Yuming Yang, Zhihao Zheng, Bo Lang, Qiuyu Tang
Il dataset ReVA affronta le limitazioni dei benchmark esistenti per il remote sensing video QA, che si basano su domande ripetitive e immagini statiche incapaci di catturare la natura temporale delle riprese aeree. Questo nuovo insieme dati include 2.438 video da droni in 18 città con oltre 500K frame e 22K coppie domanda-risposta, progettato per valutare le capacità spaziotemporali dei Multimodal Large Language Models (MLLMs). L'approccio di annotazione semi-automatico utilizza Text LLMs e MLLMs verificati manualmente per garantire alta qualità. La valutazione su ReVA rivela limiti fondamentali in 23 modelli Video LLM, offrendo un benchmark critico per lo sviluppo del ragionamento temporale.
- ReVA supera le domande template-driven introducendo scenari spaziotemporali complessi e non ripetitivi.
- Il dataset integra dati reali da droni/UAV per testare la capacità di comprendere sequenze video dinamiche.
- L'annotazione ibrida automatizzata con verifica umana garantisce robustezza nelle coppie domanda-risposta.
- La suite include 11 task QA sfidanti specifici per il dominio del remote sensing e della visione artificiale.
Perché conta. ['Permette di validare le capacità di ragionamento temporale degli agenti AI in scenari reali prima del deployment.', 'Aiuta a identificare i colli di bottiglia nei modelli open-source e proprietari per applicazioni locali o cloud-based.']
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.