MVPBench: A Multi-Video Perception Evaluation Benchmark for Multi-Modal Video Understanding
Fuente:
arXiv
Salvato in:
| Autori principali: | Bai, Purui, Wu, Tao, Sun, Jiayang, Liu, Xinyue, Huang, Huaibo, He, Ran |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Marmot: Object-Level Self-Correction via Multi-Agent Reasoning
di: Sun, Jiayang, et al.
Pubblicazione: (2025)
di: Sun, Jiayang, et al.
Pubblicazione: (2025)
Video-SafetyBench: A Benchmark for Safety Evaluation of Video LVLMs
di: Liu, Xuannan, et al.
Pubblicazione: (2025)
di: Liu, Xuannan, et al.
Pubblicazione: (2025)
Tuning Real-World Image Restoration at Inference: A Test-Time Scaling Paradigm for Flow Matching Models
di: Bai, Purui, et al.
Pubblicazione: (2026)
di: Bai, Purui, et al.
Pubblicazione: (2026)
MoVieDrive: Urban Scene Synthesis with Multi-Modal Multi-View Video Diffusion Transformer
di: Wu, Guile, et al.
Pubblicazione: (2025)
di: Wu, Guile, et al.
Pubblicazione: (2025)
DeVAn: Dense Video Annotation for Video-Language Models
di: Liu, Tingkai, et al.
Pubblicazione: (2023)
di: Liu, Tingkai, et al.
Pubblicazione: (2023)
Seeing is Not Reasoning: MVPBench for Graph-based Evaluation of Multi-path Visual Physical CoT
di: Dong, Zhuobai, et al.
Pubblicazione: (2025)
di: Dong, Zhuobai, et al.
Pubblicazione: (2025)
GenVideoLens: Where LVLMs Fall Short in AI-Generated Video Detection?
di: Zou, Yueying, et al.
Pubblicazione: (2026)
di: Zou, Yueying, et al.
Pubblicazione: (2026)
UnityVideo: Unified Multi-Modal Multi-Task Learning for Enhancing World-Aware Video Generation
di: Huang, Jiehui, et al.
Pubblicazione: (2025)
di: Huang, Jiehui, et al.
Pubblicazione: (2025)
MVBench: A Comprehensive Multi-modal Video Understanding Benchmark
di: Li, Kunchang, et al.
Pubblicazione: (2023)
di: Li, Kunchang, et al.
Pubblicazione: (2023)
VideoOdyssey: A Benchmark for Ultra-Long-Context and Omni-Modal Video Understanding
di: He, Haichen, et al.
Pubblicazione: (2026)
di: He, Haichen, et al.
Pubblicazione: (2026)
Omnia de EgoTempo: Benchmarking Temporal Understanding of Multi-Modal LLMs in Egocentric Videos
di: Plizzari, Chiara, et al.
Pubblicazione: (2025)
di: Plizzari, Chiara, et al.
Pubblicazione: (2025)
Benchmarking the Trustworthiness in Multimodal LLMs for Video Understanding
di: Wang, Youze, et al.
Pubblicazione: (2025)
di: Wang, Youze, et al.
Pubblicazione: (2025)
WaterVideoQA: ASV-Centric Perception and Rule-Compliant Reasoning via Multi-Modal Agents
di: Guan, Runwei, et al.
Pubblicazione: (2026)
di: Guan, Runwei, et al.
Pubblicazione: (2026)
Breaking the Low-Rank Dilemma of Linear Attention
di: Fan, Qihang, et al.
Pubblicazione: (2024)
di: Fan, Qihang, et al.
Pubblicazione: (2024)
LoRA-IR: Taming Low-Rank Experts for Efficient All-in-One Image Restoration
di: Ai, Yuang, et al.
Pubblicazione: (2024)
di: Ai, Yuang, et al.
Pubblicazione: (2024)
MMVIAD: Multi-view Multi-task Video Understanding for Industrial Anomaly Detection
di: Zhao, Xiran, et al.
Pubblicazione: (2026)
di: Zhao, Xiran, et al.
Pubblicazione: (2026)
Breaking Complexity Barriers: High-Resolution Image Restoration with Rank Enhanced Linear Attention
di: Ai, Yuang, et al.
Pubblicazione: (2025)
di: Ai, Yuang, et al.
Pubblicazione: (2025)
MLVU: Benchmarking Multi-task Long Video Understanding
di: Zhou, Junjie, et al.
Pubblicazione: (2024)
di: Zhou, Junjie, et al.
Pubblicazione: (2024)
MUVR: A Multi-Modal Untrimmed Video Retrieval Benchmark with Multi-Level Visual Correspondence
di: Feng, Yue, et al.
Pubblicazione: (2025)
di: Feng, Yue, et al.
Pubblicazione: (2025)
Think 360°: Evaluating the Width-centric Reasoning Capability of MLLMs Beyond Depth
di: Chen, Mingrui, et al.
Pubblicazione: (2026)
di: Chen, Mingrui, et al.
Pubblicazione: (2026)
ScaleLong: A Multi-Timescale Benchmark for Long Video Understanding
di: Ma, David, et al.
Pubblicazione: (2025)
di: Ma, David, et al.
Pubblicazione: (2025)
Video-MME: The First-Ever Comprehensive Evaluation Benchmark of Multi-modal LLMs in Video Analysis
di: Fu, Chaoyou, et al.
Pubblicazione: (2024)
di: Fu, Chaoyou, et al.
Pubblicazione: (2024)
SGTA: Scene-Graph Based Multi-Modal Traffic Agent for Video Understanding
di: Zhou, Xingcheng, et al.
Pubblicazione: (2026)
di: Zhou, Xingcheng, et al.
Pubblicazione: (2026)
Hypergraph Multi-modal Large Language Model: Exploiting EEG and Eye-tracking Modalities to Evaluate Heterogeneous Responses for Video Understanding
di: Wu, Minghui, et al.
Pubblicazione: (2024)
di: Wu, Minghui, et al.
Pubblicazione: (2024)
On Learning Multi-Modal Forgery Representation for Diffusion Generated Video Detection
di: Song, Xiufeng, et al.
Pubblicazione: (2024)
di: Song, Xiufeng, et al.
Pubblicazione: (2024)
NEXT: Multi-Grained Mixture of Experts via Text-Modulation for Multi-Modal Object Re-Identification
di: Li, Shihao, et al.
Pubblicazione: (2025)
di: Li, Shihao, et al.
Pubblicazione: (2025)
ZePo: Zero-Shot Portrait Stylization with Faster Sampling
di: Liu, Jin, et al.
Pubblicazione: (2024)
di: Liu, Jin, et al.
Pubblicazione: (2024)
Q-Bench-Video: Benchmarking the Video Quality Understanding of LMMs
di: Zhang, Zicheng, et al.
Pubblicazione: (2024)
di: Zhang, Zicheng, et al.
Pubblicazione: (2024)
MT-Video-Bench: A Holistic Video Understanding Benchmark for Evaluating Multimodal LLMs in Multi-Turn Dialogues
di: Pan, Yaning, et al.
Pubblicazione: (2025)
di: Pan, Yaning, et al.
Pubblicazione: (2025)
Video-MME-v2: Towards the Next Stage in Benchmarks for Comprehensive Video Understanding
di: Fu, Chaoyou, et al.
Pubblicazione: (2026)
di: Fu, Chaoyou, et al.
Pubblicazione: (2026)
Active Perception Agent for Omnimodal Audio-Video Understanding
di: Tao, Keda, et al.
Pubblicazione: (2025)
di: Tao, Keda, et al.
Pubblicazione: (2025)
VideoHallu: Evaluating and Mitigating Multi-modal Hallucinations on Synthetic Video Understanding
di: Li, Zongxia, et al.
Pubblicazione: (2025)
di: Li, Zongxia, et al.
Pubblicazione: (2025)
SVBench: A Benchmark with Temporal Multi-Turn Dialogues for Streaming Video Understanding
di: Yang, Zhenyu, et al.
Pubblicazione: (2025)
di: Yang, Zhenyu, et al.
Pubblicazione: (2025)
Super Encoding Network: Recursive Association of Multi-Modal Encoders for Video Understanding
di: Chen, Boyu, et al.
Pubblicazione: (2025)
di: Chen, Boyu, et al.
Pubblicazione: (2025)
MultiCOIN: Multi-Modal COntrollable Video INbetweening
di: Tanveer, Maham, et al.
Pubblicazione: (2025)
di: Tanveer, Maham, et al.
Pubblicazione: (2025)
PointNet4D: A Lightweight 4D Point Cloud Video Backbone for Online and Offline Perception in Robotic Applications
di: Liu, Yunze, et al.
Pubblicazione: (2025)
di: Liu, Yunze, et al.
Pubblicazione: (2025)
A Skill-augmented Agentic Framework and Benchmark for Multi-Video Understanding
di: Zhang, Yue, et al.
Pubblicazione: (2026)
di: Zhang, Yue, et al.
Pubblicazione: (2026)
Benchmarking Multi-dimensional AIGC Video Quality Assessment: A Dataset and Unified Model
di: Zhang, Zhichao, et al.
Pubblicazione: (2024)
di: Zhang, Zhichao, et al.
Pubblicazione: (2024)
MMBench-Video: A Long-Form Multi-Shot Benchmark for Holistic Video Understanding
di: Fang, Xinyu, et al.
Pubblicazione: (2024)
di: Fang, Xinyu, et al.
Pubblicazione: (2024)
LvBench: A Benchmark for Long-form Video Understanding with Versatile Multi-modal Question Answering
di: Zhang, Hongjie, et al.
Pubblicazione: (2023)
di: Zhang, Hongjie, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Marmot: Object-Level Self-Correction via Multi-Agent Reasoning
di: Sun, Jiayang, et al.
Pubblicazione: (2025) -
Video-SafetyBench: A Benchmark for Safety Evaluation of Video LVLMs
di: Liu, Xuannan, et al.
Pubblicazione: (2025) -
Tuning Real-World Image Restoration at Inference: A Test-Time Scaling Paradigm for Flow Matching Models
di: Bai, Purui, et al.
Pubblicazione: (2026) -
MoVieDrive: Urban Scene Synthesis with Multi-Modal Multi-View Video Diffusion Transformer
di: Wu, Guile, et al.
Pubblicazione: (2025) -
DeVAn: Dense Video Annotation for Video-Language Models
di: Liu, Tingkai, et al.
Pubblicazione: (2023)