Buchumschlag

TOC-Bench: A Temporal Object Consistency Benchmark for Video Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Junzhe, Meng, Siyuan, Chen, Yuxi, Zhao, Man, Gui, Wenyao, Guo, Xiaojie
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

On the Consistency of Video Large Language Models in Temporal Comprehension
von: Jung, Minjoon, et al.
Veröffentlicht: (2024)

SmartHome-Bench: A Comprehensive Benchmark for Video Anomaly Detection in Smart Homes Using Multi-Modal Large Language Models
von: Zhao, Xinyi, et al.
Veröffentlicht: (2025)

TiViBench: Benchmarking Think-in-Video Reasoning for Video Generative Models
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2025)

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

Multi-Context Temporal Consistent Modeling for Referring Video Object Segmentation
von: Choi, Sun-Hyuk, et al.
Veröffentlicht: (2025)

SciVideoBench: Benchmarking Scientific Video Reasoning in Large Multimodal Models
von: Deng, Andong, et al.
Veröffentlicht: (2025)

A Survey on Video Temporal Grounding with Multimodal Large Language Model
von: Wu, Jianlong, et al.
Veröffentlicht: (2025)

CoDeF: Content Deformation Fields for Temporally Consistent Video Processing
von: Ouyang, Hao, et al.
Veröffentlicht: (2023)

Internalizing Temporal Consistency in Video Object-Centric Learning without Explicit Regularization
von: Zhao, Rongzhen, et al.
Veröffentlicht: (2026)

T2VWorldBench: A Benchmark for Evaluating World Knowledge in Text-to-Video Generation
von: Chen, Yubin, et al.
Veröffentlicht: (2025)

Practical Video Object Detection via Feature Selection and Aggregation
von: Shi, Yuheng, et al.
Veröffentlicht: (2024)

ICT: Image-Object Cross-Level Trusted Intervention for Mitigating Object Hallucination in Large Vision-Language Models
von: Chen, Junzhe, et al.
Veröffentlicht: (2024)

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

SenseBench: A Benchmark for Remote Sensing Low-Level Visual Perception and Description in Large Vision-Language Models
von: Zhong, Chen, et al.
Veröffentlicht: (2026)

Temporally Consistent Object Editing in Videos using Extended Attention
von: Zamani, AmirHossein, et al.
Veröffentlicht: (2024)

Temporally Consistent Referring Video Object Segmentation with Hybrid Memory
von: Miao, Bo, et al.
Veröffentlicht: (2024)

Know-Show: Benchmarking Video-Language Models on Spatio-Temporal Grounded Reasoning
von: Sugandhika, Chinthani, et al.
Veröffentlicht: (2025)

UrbanVideo-Bench: Benchmarking Vision-Language Models on Embodied Intelligence with Video Data in Urban Spaces
von: Zhao, Baining, et al.
Veröffentlicht: (2025)

VideoPerceiver: Enhancing Fine-Grained Temporal Perception in Video Multimodal Large Language Models
von: Zhao, Fufangchen, et al.
Veröffentlicht: (2025)

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

LVOS: A Benchmark for Large-scale Long-term Video Object Segmentation
von: Hong, Lingyi, et al.
Veröffentlicht: (2024)

ChatVTG: Video Temporal Grounding via Chat with Video Dialogue Large Language Models
von: Qu, Mengxue, et al.
Veröffentlicht: (2024)

TC-Bench: Benchmarking Temporal Compositionality in Text-to-Video and Image-to-Video Generation
von: Feng, Weixi, et al.
Veröffentlicht: (2024)

Video-Bench: Human-Aligned Video Generation Benchmark
von: Han, Hui, et al.
Veröffentlicht: (2025)

Latest Object Memory Management for Temporally Consistent Video Instance Segmentation
von: Lee, Seunghun, et al.
Veröffentlicht: (2025)

Efficient One-stage Video Object Detection by Exploiting Temporal Consistency
von: Sun, Guanxiong, et al.
Veröffentlicht: (2024)

DO-Bench: An Attributable Benchmark for Diagnosing Object Hallucination in Vision-Language Models
von: Wang, JiYang, et al.
Veröffentlicht: (2026)

VP-Bench: A Comprehensive Benchmark for Visual Prompting in Multimodal Large Language Models
von: Xu, Mingjie, et al.
Veröffentlicht: (2025)

ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models
von: De Min, Thomas, et al.
Veröffentlicht: (2026)

MFC-Bench: Benchmarking Multimodal Fact-Checking with Large Vision-Language Models
von: Wang, Shengkang, et al.
Veröffentlicht: (2024)

ChineseVideoBench: Benchmarking Multi-modal Large Models for Chinese Video Question Answering
von: Nie, Yuxiang, et al.
Veröffentlicht: (2025)

ViRectify: A Challenging Benchmark for Video Reasoning Correction with Multimodal Large Language Models
von: Hei, Xusen, et al.
Veröffentlicht: (2025)

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

Temporal-Consistent Video Restoration with Pre-trained Diffusion Models
von: Wang, Hengkang, et al.
Veröffentlicht: (2025)

HomeSafeBench: A Benchmark for Embodied Vision-Language Models in Free-Exploration Home Safety Inspection
von: Gao, Siyuan, et al.
Veröffentlicht: (2025)

V-CORE: Temporally Consistent Video Understanding for Video-LLM
von: Kang, Zhengjian, et al.
Veröffentlicht: (2026)

InstaVSR: Taming Diffusion for Efficient and Temporally Consistent Video Super-Resolution
von: Hu, Jintong, et al.
Veröffentlicht: (2026)

Collaborative Temporal Consistency Learning for Point-supervised Natural Language Video Localization
von: Tao, Zhuo, et al.
Veröffentlicht: (2025)

Q-Bench-Video: Benchmarking the Video Quality Understanding of LMMs
von: Zhang, Zicheng, et al.
Veröffentlicht: (2024)

Cycle Consistency in Video Object-Centric Learning
von: Zhao, Rongzhen, et al.
Veröffentlicht: (2026)