arXiv cs.AI / cs.LG 最新· Subhashini Venugopalan·· 1 天前AI 评分64
MTG-AD 发布 36 小时内联音频描述数据集与 MTG-AD-Eval 评测框架
Mind The Gap (MTG-AD): Dataset and Fine-grained Evaluation for End-to-End Inline Audio Descriptions
AI 导读
论文发布 MTG-AD 数据集与 MTG-AD-Eval 评测框架，用于评估多模态大模型生成视频内联音频描述的能力。MTG-AD 含 36 小时、平均约 5 分钟的视频和 8k 条以上描述，由盲人与明眼音频描述专家配对标注；MTG-AD-Eval 会把生成的脚本渲染成音轨，检验其是否落在原视频的静音区间，并按照专家指南给出无需参考文本的细粒度指标。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。