arXiv cs.CV· Matea Tashkovska, Na\"el Ouerghemi, Haozhe Qi, Alexander Mathis·· 2 小时前AI 评分37
SOMA：第一视角细粒度行为与身体运动理解基准
SOMA: A Benchmark for Fine-Grained Egocentric Behavior and Body-Motion Understanding
AI 导读
SOMA 基准提出，含 1,632 个人工核验问题，从身体构型、运动动力学与时间推理三个维度评测第一视角视频中的细粒度身体运动理解。在 37 个闭源、开源及专用第一视角 MLLM 中，人类仅凭视频准确率为 68.5%，最强模型 Qwen3.6-27B 零样本为 50.0%。误差分析显示模型常误读佩戴者自身身体、错判事件时序，并偏向右手或漏计重复次数。
来源：arXiv cs.CV · arxiv.org