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
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11
- ComfyUI 新节点发现器上线:按 star 增速过滤最新热门节点 — Luke2642 · 2026-09-11
- 用 MiniMax H3 MAX 对一只蚊子放大招,蚊子毫发无伤 — Hailuo_AI · 2026-09-11