TOMATO: Assessing Visual Temporal Reasoning Capabilities in Multimodal Foundation Models
专题命中 长视频与时序推理 :video understanding(abstract);分类 cs.CV
AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
专题命中 长视频与时序推理 :video understanding(abstract);分类 cs.CV
专题命中 长视频与时序推理 :video-language(abstract);分类 cs.CV
Comments 23 pages, 5 figures