AURA: A Fine-Grained Benchmark and Decomposed Metric for Audio-Visual Reasoning
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 视觉推理 :visual reasoning(title);分类 cs.CV
机构 * Andrew Kiruluta(独立研究者)
专题命中 视觉推理 :grounding(abstract);分类 cs.AI
机构 * Dongguk University(东国大学)
专题命中 视觉推理 :vision-language model(abstract)
机构 * Yale University(耶鲁大学)
专题命中 视觉推理 :grounding(abstract)
Comments 12 pages, 4 figures, 2 tables. Extends our earlier framework on hierarchical narrative graphs with a semantic normalization module