arXiv cs.CV· Yue Feng, Boshen Xu, Zihao Yue, Xiaokun Liu, Miao Yang, Xin Tao, Pengfei Wan, Qin Jin·· 3 小时前AI 评分37
RVG-Bench：面向推理驱动的音视频时序定位基准
RVG-Bench: A Benchmark for Reasoning-Driven Audio-Visual Temporal Grounding
AI 导读
RVG-Bench 是一个面向推理驱动音视频时序定位的基准，包含 1,255 个视频和 1,890 个查询-区间对，覆盖八类推理。它要求模型先理解查询意图才能定位目标片段，而非仅依赖视觉描述性文本。在 22 个模型评测中，最强 Qwen3.8-Omni-Flash 仅达 49.6 mIoU。
来源：arXiv cs.CV · arxiv.org