כתבה
arXiv cs.AI ·
מדוע הבנה וידאו מקומית עוברת מאחד לאחר? הבנקאי EgoGears
Does Local Video Understanding Transfer Across Encounters? The EgoGears Benchmark
במאמר זה נציגים את EgoGears, בנקאי חדש לבחינת העברת הבנה וידאו מקומית. הבנקאי כולל 567 שאלות וידאו יחידות ו-1,487 שאלות וידאו רב-מסלוליות, ומטרתו לבחון את יכולת המודלים לשמור על עדות ולהרכיב אותה לרשתות דרכים תקינות.
תקציר מקורי באנגליתarXiv:2609.37938v1 Announce Type: cross Abstract: Embodied systems must make knowledge acquired during one encounter usable in another despite changes in viewpoint, motion, and illumination. Yet aggregate cross-video accuracy conflates failures of local perception with failures to preserve observation identity, establish correspondence, and compose evidence, obscuring whether local video understanding actually transfers. We introduce EgoGears, a complementary single- and multi-video benchmark designed to diagnose this transition. It contains 567 single-video and 1,487 multi-video questions derived from 126 human-collected egocentric recordings covering 39 outdoor routes. Repeated traversals across movement speeds and lighting conditions ground comparisons in shared physical environments; 5
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית