MMBench-Video是新颖的长视频多题问答基准测试，是浙江大学、上海人工智能实验室、上海交通大学和香港中文大学联合推出的。MMBench-Video能全面评估大型视觉语言模型（LVLMs）在视频理解方面的能力，用包含丰富视频内容和细粒度能力评估的长视频，弥补现有基准测试在时序理解和复杂任务处理方面的不足。MMBench-Video包含约600个YouTube视频片段，覆盖16个类别，每个视频时长从30秒到6分钟不等，配有由志愿者编写的高质量问答对。基准测试用GPT-4进行自动化评估，提高准确性，与人类判断保持一致。MMBench-Video的推出为研究人员提供了强大的工具，评估和改进视频语言模型的能力。
MMBench-Video的主要功能视频理解评估：MMBench-Video用在评估大型视觉语言模型（LVLMs）在理解长视频内容方面的能力。多场景覆盖：包含16个主要类别的视频内容，涵盖广泛的主题和场景。细粒度能力评估：用26个细粒度的能力维度，对模型的视频理解能力进行详尽评估。高质量数据集：视频片段和问答对均由志愿者精心编写和标注，确保数据质量。自动化评估：用GPT-4进行自动化的评估，提高评估的效率和准确性。MMBench-Video的技术原理长视频内容：MMBench-Video包含从YouTube采集的多个长视频片段，视频片段比传统短视频更能测试模型的时序理解能力。人工标注：问题和答案对均由人类志愿者编写和标注，确保高质量和减少偏差。能力分类体系：构建三层级的视频理解能力分类体系，包括感知和推理两大类，及更细分的26个能力维度。时序推理挑战：设计需要时序推理能力的问题，评估模型对视频内容时间维度的理解。自动化评估：语言模型（如GPT-4）自动化评估模型输出与标准答案之间的语义相似度，评估模型的性能。多模型比较：支持对多个LVLMs进行评分和比较，确定在视频理解任务上的优势和不足。MMBench-Video的项目地址项目官网：mmbench-video.github.ioGitHub仓库：https://github.com/open-compass/VLMEvalKitHuggingFace模型库：https://huggingface.co/datasets/opencompass/MMBench-VideoarXiv技术论文：https://arxiv.org/pdf/2406.14515MMBench-Video的应用场景模型评估与比较：研究人员评估和比较不同的LVLMs在视频理解方面的能力，包括感知和推理技能。模型优化与训练：开发者根据MMBench-Video的评估结果优化模型的架构和训练过程，提高模型对视频内容的理解能力。学术交流与发表：作为学术交流的工具，帮助研究人员展示模型的性能，在学术会议或期刊上发表相关研究成果。多模态学习研究：MMBench-Video提供丰富的数据集，研究和开发多模态学习算法，特别是涉及视频和文本理解的任务。智能视频分析应用：在智能视频监控、内容过滤、自动摘要和视频推荐等领域，帮助开发者训练和测试更加精准的视频分析模型。 
