Buchumschlag

A Benchmarking Methodology to Assess Open-Source Video Large Language Models in Automatic Captioning of News Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Paredes, David Miranda, Saavedra, Jose M., Pizarro, Marcelo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AutoEval-Video: An Automatic Benchmark for Assessing Large Vision Language Models in Open-Ended Video Question Answering
von: Chen, Xiuyuan, et al.
Veröffentlicht: (2023)

UGC-VideoCaptioner: An Omni UGC Video Detail Caption Model and New Benchmarks
von: Wu, Peiran, et al.
Veröffentlicht: (2025)

AuroraCap: Efficient, Performant Video Detailed Captioning and a New Benchmark
von: Chai, Wenhao, et al.
Veröffentlicht: (2024)

LongCaptioning: Unlocking the Power of Long Video Caption Generation in Large Multimodal Models
von: Wei, Hongchen, et al.
Veröffentlicht: (2025)

Live Video Captioning
von: Blanco-Fernández, Eduardo, et al.
Veröffentlicht: (2024)

ABMAMBA: Multimodal Large Language Model with Aligned Hierarchical Bidirectional Scan for Efficient Video Captioning
von: Yashima, Daichi, et al.
Veröffentlicht: (2026)

Evaluating Multimodal Large Language Models on Video Captioning via Monte Carlo Tree Search
von: Yu, Linhao, et al.
Veröffentlicht: (2025)

Open-Sora Plan: Open-Source Large Video Generation Model
von: Lin, Bin, et al.
Veröffentlicht: (2024)

VCapsBench: A Large-scale Fine-grained Benchmark for Video Caption Quality Evaluation
von: Zhang, Shi-Xue, et al.
Veröffentlicht: (2025)

LLMVA-GEBC: Large Language Model with Video Adapter for Generic Event Boundary Captioning
von: Tang, Yolo Yunlong, et al.
Veröffentlicht: (2023)

UniVid: The Open-Source Unified Video Model
von: Luo, Jiabin, et al.
Veröffentlicht: (2025)

FIOVA: A Multi-Annotator Benchmark for Human-Aligned Video Captioning
von: Hu, Shiyu, et al.
Veröffentlicht: (2024)

Knowledge Guided Entity-aware Video Captioning and A Basketball Benchmark
von: Xi, Zeyu, et al.
Veröffentlicht: (2024)

iDocV2: Leveraging Self-Supervision and Open-Set Detection for Improving Pattern Spotting in Historical Documents
von: Saavedra, Jose M., et al.
Veröffentlicht: (2026)

Grounded Video Caption Generation
von: Kazakos, Evangelos, et al.
Veröffentlicht: (2024)

Streaming Dense Video Captioning
von: Zhou, Xingyi, et al.
Veröffentlicht: (2024)

Large-scale Pre-training for Grounded Video Caption Generation
von: Kazakos, Evangelos, et al.
Veröffentlicht: (2025)

Player-Centric Multimodal Prompt Generation for Large Language Model Based Identity-Aware Basketball Video Captioning
von: Xi, Zeyu, et al.
Veröffentlicht: (2025)

ProactiveVideoQA: A Comprehensive Benchmark Evaluating Proactive Interactions in Video Large Language Models
von: Wang, Yueqian, et al.
Veröffentlicht: (2025)

Sali4Vid: Saliency-Aware Video Reweighting and Adaptive Caption Retrieval for Dense Video Captioning
von: Jeon, MinJu, et al.
Veröffentlicht: (2025)

CL-VISTA: Benchmarking Continual Learning in Video Large Language Models
von: Guo, Haiyang, et al.
Veröffentlicht: (2026)

Video ReCap: Recursive Captioning of Hour-Long Videos
von: Islam, Md Mohaiminul, et al.
Veröffentlicht: (2024)

Dense Video Captioning Using Unsupervised Semantic Information
von: Estevam, Valter, et al.
Veröffentlicht: (2021)

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

Exploiting Auxiliary Caption for Video Grounding
von: Li, Hongxiang, et al.
Veröffentlicht: (2023)

Progress-Aware Video Frame Captioning
von: Xue, Zihui, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Egocentric Video Captioning
von: Xu, Jilan, et al.
Veröffentlicht: (2024)

SOVC: Subject-Oriented Video Captioning
von: Teng, Chang, et al.
Veröffentlicht: (2023)

Beyond Caption-Based Queries for Video Moment Retrieval
von: Pujol-Perich, David, et al.
Veröffentlicht: (2026)

SoccerNet-Caption: Dense Video Captioning for Soccer Broadcasts Commentaries
von: Mkhallati, Hassan, et al.
Veröffentlicht: (2023)

Video Emotion Open-vocabulary Recognition Based on Multimodal Large Language Model
von: Ge, Mengying, et al.
Veröffentlicht: (2024)

UltraVideo: High-Quality UHD Video Dataset with Comprehensive Captions
von: Xue, Zhucun, et al.
Veröffentlicht: (2025)

TA-Prompting: Enhancing Video Large Language Models for Dense Video Captioning via Temporal Anchors
von: Cheng, Wei-Yuan, et al.
Veröffentlicht: (2026)

VideoLLM-online: Online Video Large Language Model for Streaming Video
von: Chen, Joya, et al.
Veröffentlicht: (2024)

A Video is Worth 10,000 Words: Training and Benchmarking with Diverse Captions for Better Long Video Retrieval
von: Gwilliam, Matthew, et al.
Veröffentlicht: (2023)

IF-VidCap: Can Video Caption Models Follow Instructions?
von: Li, Shihao, et al.
Veröffentlicht: (2025)

Time-Scaling State-Space Models for Dense Video Captioning
von: Piergiovanni, AJ, et al.
Veröffentlicht: (2025)

VideoAesBench: Benchmarking the Video Aesthetics Perception Capabilities of Large Multimodal Models
von: Li, Yunhao, et al.
Veröffentlicht: (2026)

ViDiC: Video Difference Captioning
von: Wu, Jiangtao, et al.
Veröffentlicht: (2025)

ShareGPT4Video: Improving Video Understanding and Generation with Better Captions
von: Chen, Lin, et al.
Veröffentlicht: (2024)