Buchumschlag

InfiniBench: A Benchmark for Large Multi-Modal Models in Long-Form Movies and TV Shows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ataallah, Kirolos, Abdelrahman, Eslam, Ahmed, Mahmoud, Gou, Chenhui, Pahwa, Khushbu, Ding, Jian, Elhoseiny, Mohamed
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MiniGPT4-Video: Advancing Multimodal LLMs for Video Understanding with Interleaved Visual-Textual Tokens
von: Ataallah, Kirolos, et al.
Veröffentlicht: (2024)

Goldfish: Vision-Language Understanding of Arbitrarily Long Videos
von: Ataallah, Kirolos, et al.
Veröffentlicht: (2024)

InfiniBench: Infinite Benchmarking for Visual Spatial Reasoning with Customizable Scene Complexity
von: Wang, Haoming, et al.
Veröffentlicht: (2025)

CoT3DRef: Chain-of-Thoughts Data-Efficient 3D Visual Grounding
von: Abdelrahman, Eslam, et al.
Veröffentlicht: (2023)

Kestrel: 3D Multimodal LLM for Part-Aware Grounded Description
von: Ahmed, Mahmoud, et al.
Veröffentlicht: (2024)

iMotion-LLM: Instruction-Conditioned Trajectory Generation
von: Felemban, Abdulwahab, et al.
Veröffentlicht: (2024)

Analyzing Social Networks of Actors in Movies and TV Shows
von: Giri, Sarthak, et al.
Veröffentlicht: (2024)

VRSBench: A Versatile Vision-Language Benchmark Dataset for Remote Sensing Image Understanding
von: Li, Xiang, et al.
Veröffentlicht: (2024)

ToddlerDiffusion: Interactive Structured Image Generation with Cascaded Schrödinger Bridge
von: Abdelrahman, Eslam, et al.
Veröffentlicht: (2023)

3DCoMPaT200: Language-Grounded Compositional Understanding of Parts and Materials of 3D Shapes
von: Ahmed, Mahmoud, et al.
Veröffentlicht: (2025)

MagnetDB: A Longitudinal Torrent Discovery Dataset with IMDb-Matched Movies and TV Shows
von: Seidenberger, Scott, et al.
Veröffentlicht: (2025)

MovieBench: A Hierarchical Movie Level Dataset for Long Video Generation
von: Wu, Weijia, et al.
Veröffentlicht: (2024)

Why Pass@k Optimization Can Degrade Pass@1: Prompt Interference in LLM Post-training
von: Barakat, Anas, et al.
Veröffentlicht: (2026)

StoryGPT-V: Large Language Models as Consistent Story Visualizers
von: Shen, Xiaoqian, et al.
Veröffentlicht: (2023)

How Well Can Vision Language Models See Image Details?
von: Gou, Chenhui, et al.
Veröffentlicht: (2024)

MM-MovieDubber: Towards Multi-Modal Learning for Multi-Modal Movie Dubbing
von: Zheng, Junjie, et al.
Veröffentlicht: (2025)

GNNX-BENCH: Unravelling the Utility of Perturbation-based GNN Explainers through In-depth Benchmarking
von: Kosan, Mert, et al.
Veröffentlicht: (2023)

AutoBench-V: Can Large Vision-Language Models Benchmark Themselves?
von: Bao, Han, et al.
Veröffentlicht: (2024)

Liquid biopsy in genitourinary oncology: Current clinical applications and future prospects across prostate, bladder, and renal cancers
von: Kirolos Eskandar
Veröffentlicht: (2025)

Bioimpressão no Transplante de Órgãos: Dos modelos Experimentais às Perspectivas Clínicas
von: Kirolos Eskandar
Veröffentlicht: (2025)

Progressive trends in prenatal genetic screening
von: Kirolos Eskandar
Veröffentlicht: (2022)

FishNet++: Analyzing the capabilities of Multimodal Large Language Models in marine biology
von: Khan, Faizan Farooq, et al.
Veröffentlicht: (2025)

Movie Facts and Fibs (MF$^2$): A Benchmark for Long Movie Understanding
von: Zaranis, Emmanouil, et al.
Veröffentlicht: (2025)

Affective Visual Dialog: A Large-Scale Benchmark for Emotional Reasoning Based on Visually Grounded Conversations
von: Haydarov, Kilichbek, et al.
Veröffentlicht: (2023)

LongGenBench: Benchmarking Long-Form Generation in Long Context LLMs
von: Wu, Yuhao, et al.
Veröffentlicht: (2024)

INSTA-YOLO: Real-Time Instance Segmentation
von: Mohamed, Eslam, et al.
Veröffentlicht: (2021)

The Morning Show at WLES-TV.
von: Blondell, Beverley
Veröffentlicht: (1979)

Experimental and Computational Fluid Dynamics Analysis of Industrial Water Desalination with High Salinity by Adsorption Chlorine on Resin in a Packed Column
von: Hamideh Mahmoodabadi, et al.
Veröffentlicht: (2024)

4D-Bench: Benchmarking Multi-modal Large Language Models for 4D Object Understanding
von: Zhu, Wenxuan, et al.
Veröffentlicht: (2025)

VRU-Accident: A Vision-Language Benchmark for Video Question Answering and Dense Captioning for Accident Scene Understanding
von: Kim, Younggun, et al.
Veröffentlicht: (2025)

Vgent: Graph-based Retrieval-Reasoning-Augmented Generation For Long Video Understanding
von: Shen, Xiaoqian, et al.
Veröffentlicht: (2025)

Multimodal Chaptering for Long-Form TV Newscast Video
von: Guetari, Khalil, et al.
Veröffentlicht: (2024)

KnowMT-Bench: Benchmarking Knowledge-Intensive Long-Form Question Answering in Multi-Turn Dialogues
von: Chen, Junhao, et al.
Veröffentlicht: (2025)

3DCoMPaT$^{++}$: An improved Large-scale 3D Vision Dataset for Compositional Recognition
von: Slim, Habib, et al.
Veröffentlicht: (2023)

Multi-modal brain encoding models for multi-modal stimuli
von: Oota, Subba Reddy, et al.
Veröffentlicht: (2025)

Long‐Term Effects of Sugarcane Cultivation on the Physicochemical Quality Indices of Saline and Sodic Soils: A Case Study of South Khuzestan
von: Najm Hashemy, et al.
Veröffentlicht: (2024)

Patterns and Dynamics of Netflix TV Show Popularity
von: Lee, Nahyeon, et al.
Veröffentlicht: (2025)

Movie101v2: Improved Movie Narration Benchmark
von: Yue, Zihao, et al.
Veröffentlicht: (2024)

InfiniMotion: Mamba Boosts Memory in Transformer for Arbitrary Long Motion Generation
von: Zhang, Zeyu, et al.
Veröffentlicht: (2024)

AutoFormBench: Benchmark Dataset for Automating Form Understanding
von: Baral, Gaurab, et al.
Veröffentlicht: (2026)