AnyGroundBench: 시각-언어 모델(Vision-Language Models)의 비디오 그라운딩을 위한 특화 도메인 벤치마크

요약

시각-언어 모델(VLM)의 비디오 그라운딩 능력을 평가하기 위해 설계된 새로운 도메인 적응 벤치마크 AnyGroundBench를 소개합니다. 동물, 산업, 수술 등 5가지 특화 도메인을 통해 모델의 시공간 추론 및 도메인 적응 능력을 체계적으로 측정합니다.

핵심 포인트

• 기존 제로샷 평가의 한계를 극복하기 위한 도메인 적응 중심의 벤치마크 제안
• 동물, 산업, 스포츠, 수술, 공공 보안 등 5가지 특화 도메인 데이터셋 포함
• 15개의 최첨단 VLM을 대상으로 제로샷 및 인컨텍스트 학습 능력 평가
• 현재 모델들이 특화 도메인의 시공간 추론에서 결함이 있음을 입증