CodeCap-Bench：動画キャプションにコードは使えるか

1. 05:00
   Hugging Face Daily Papers

   CodeCap-Bench、動画キャプションとしてのコードの有効性を評価

   実行可能なコードを動画キャプションとして用いると、自然言語より質問応答の推論精度と映像再構成の忠実度が高くなることが示された。これを検証するため、構造化された2Dコンテンツの動画323本を5カテゴリに分け、詳細な注釈と多段階評価フレームワークを備えたCodeCap-Benchを提案した。主要な商用MLLMは有望なコードキャプション能力を示す一方、複雑な時間的変化の捉え方には課題が残り、オープンソースモデルは大きく遅れている。

現在の注目度 4·比較可能なピーク 4（10月28日 15:00）·24時間の比較可能な増減 –

推移は、継続的かつ完全に観測できたアカウントのみを比較しているため、現在の注目度の数値より範囲が狭くなる場合があります。ポインターを動かすかグラフをタップすると、1時間ごとの注目度を確認できます。キーボードでは左右の矢印キーを使います。