苹果研究团队发布长视频摘要基准 LVSum
Apple ML Research · rss · 2026-07-20
- Apple ML Research 发布了 LVSum，一个面向时间戳感知长视频摘要的基准。
- 这个基准主要针对多模态大模型在长视频场景中的核心问题：摘要不仅要语义正确，还要在时间上对齐。
- LVSum 收录了 72 个来自 13 个领域的视频，平均时长约 16 分钟。
- 每段视频都由人工标注，最多提供 10 条带有时间引用的摘要，用于更细粒度的时间一致性评测。
「多模态」频道最新
- LichtFeld Studio v0.5.4.3：社区贡献的 SteadySplats 等新功能上线 — janusch_patas · 2026-10-26
- 一次 prompt 直出 2-3 分钟旁白短片,作者实测 Antigravity 生成效果 — AI_Andrew · 2026-10-26
- 用户用 Gemini 全家桶做万帧动画短片：写、画、配音、配乐一条龙 — AI_Andrew · 2026-10-26
- FLUX.3 Klein 蒸馏到 4-8 步出图，CFG 直接烘进模型 — Fit-Structure-6489 · 2026-10-26
- ostris 预训练新 VAE「Primal VAE」:单通道潜空间实现等效 8 倍压缩 — ostrisai · 2026-10-26
- 社区为 Krea 2 Turbo 打造艺术风 checkpoint「Narrative Drift」 — MoonbearAIArt · 2026-10-26