論文の概要: MultiVENT-Raw: A Benchmark for Retrieval and Reasoning over Raw Videos

• arxiv url: http://arxiv.org/abs/2609.28437v1
• Date: Wed, 23 Sep 2026 17:35:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.134914
• Title: MultiVENT-Raw: A Benchmark for Retrieval and Reasoning over Raw Videos
• Title（参考訳）: MultiVENT-Raw: 生ビデオの検索と推論のためのベンチマーク
• Abstract要約: われわれはMultiVENT-Rawをリリースした。MultiVENT-Rawは12万近い生ビデオ(合計5300時間以上)の多言語コレクションだ。 検索タスクと生成タスクの両方をサポートし、イベント関連ビデオを対象ユーザの一貫性のあるレポートに要約する。 我々は、MultiVENT-Rawの強力なベースラインをベンチマークし、最新のMultiVENT-Rawモデルでも、両方のタスクが困難であることが示している。
• 参考スコア（独自算出の注目度）: 81.09231632017027
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Online information is increasingly consumed in video format. Much of this comes in the form of *raw video*: continuous footage taken on a cell phone, with a hand-held camera, or via CCTV, which is then directly uploaded to social media platforms and content sharing services. Whereas professional or even amateur-edited footage tends to feature scripted speech, chyrons, graphics, and metadata that help contextualize its subject matter, raw video typically contains none of these things, making it a much more challenging medium for information retrieval and machine understanding. To facilitate progress in this domain, we release MultiVENT-Raw, a multilingual collection of nearly 120,000 primarily raw videos (over 5,300 total hours), paired with 130 events and 222 event-centric queries, along with human-annotated video relevance judgments and human-extracted key facts for relevant videos. MultiVENT-Raw supports both a retrieval task---to identify videos in the collection relevant to a query event---and a generation task---to summarize event-related videos into a coherent report for a target user. We benchmark strong baselines on MultiVENT-Raw, showing both tasks to be challenging even for some of the latest multimodal models.
• Abstract（参考訳）: オンライン情報はますますビデオ形式で消費されている。 ビデオは携帯電話、携帯カメラ、CCTVで撮影され、ソーシャルメディアプラットフォームやコンテンツ共有サービスに直接アップロードされる。 プロやアマチュアが編集した映像は、内容の文脈化に役立つスクリプト付きスピーチ、キロン、グラフィック、メタデータを特徴とする傾向にあるが、生のビデオは一般的にこれらを含まないため、情報検索や機械理解にとってより困難なメディアとなっている。 この領域の進展を促進するために、我々はMultiVENT-Rawをリリースした。MultiVENT-Rawは、主に12万本近い生のビデオ(合計5300時間以上)を集め、130のイベントと222のイベント中心のクエリ、および人間のアノテーションによるビデオ関連判断と、関連するビデオに対する人間の抽出された重要な事実をペアリングした多言語コレクションである。 MultiVENT-Rawは、クエリイベントに関連するコレクション内のビデオを識別する検索タスクと、イベント関連ビデオを対象ユーザの一貫性のあるレポートに要約する生成タスクの両方をサポートする。 我々は、MultiVENT-Rawの強力なベースラインをベンチマークし、最新のMultiVENT-Rawモデルでも、両方のタスクが困難であることが示している。

関連論文リスト

• Vidi: Large Multimodal Models for Video Understanding and Editing [38.391725386019324]
  本稿では,LMM(Large Multimodal Models)のファミリであるVidiを紹介する。 最初のリリースでは、与えられたテキストクエリに対応する入力ビデオ内の時間範囲を特定する、時間的検索に焦点を当てている。 VUE-TRベンチマークも提案する。
  論文  参考訳（メタデータ） (2025-04-22T08:04:45Z)
• MultiVENT 2.0: A Massive Multilingual Benchmark for Event-Centric Video Retrieval [57.891157692501345]
  $textbfMultiVENT 2.0$は、大規模かつ多言語なイベント中心のビデオ検索ベンチマークである。 218,000以上のニュースビデオと、特定の世界イベントを対象とした3,906のクエリが提供されている。 予備的な結果は、最先端のビジョン言語モデルは、この課題にかなり苦労していることを示している。
  論文  参考訳（メタデータ） (2024-10-15T13:56:34Z)
• Shot2Story: A New Benchmark for Comprehensive Understanding of Multi-shot Videos [58.53311308617818]
  マルチショットビデオ理解ベンチマークShot2Storyには、詳細なショットレベルのキャプション、包括的なビデオ要約、質問応答ペアがある。 予備実験では、マルチショットビデオの長大かつ包括的な要約を生成するための課題がいくつか示されている。 生成された不完全な要約は、既存のビデオ理解タスクにおいて、すでに競合的なパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2023-12-16T03:17:30Z)
• VIOLIN: A Large-Scale Dataset for Video-and-Language Inference [103.7457132841367]
  ビデオとテキストのマルチモーダル理解のための新しいタスク, Video-and-Language Inferenceを導入する。 サブタイトルを前提としたビデオクリップと、そのビデオコンテンツに基づいて自然言語仮説とをペアリングすると、モデルは、その仮説が所定のビデオクリップに関連付けられているか、矛盾しているかを推測する必要がある。 このタスクには、Violin(VIdeO-and-Language Inference)という名の新しい大規模データセットが導入された。
  論文  参考訳（メタデータ） (2020-03-25T20:39:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。