论文解读

CRAFT: Critic-Refined Adaptive Key-Frame Targeting for Multimodal Video Question Answering

多模态问答 | 6.6/10

 · 更新于 2026-09-24 · 约 18 分钟 · 8953 字 阅读 →
论文解读

OmniPro: A Comprehensive Benchmark for Omni-Proactive Streaming Video Understanding

视频理解 | 7.3/10

 · 更新于 2026-09-24 · 约 18 分钟 · 9001 字 阅读 →
论文解读

ViMU: Benchmarking Video Metaphorical Understanding

基准测试 | 8.1/10

 · 更新于 2026-09-24 · 约 16 分钟 · 7731 字 阅读 →
每日研究速递

语音/音乐/音频论文速递 2026-05-17

共分析 2 篇语音/AI 论文

 · 更新于 2026-09-24 · 约 9 分钟 · 4469 字 阅读 →
论文解读

VideoMathQA: Benchmarking Mathematical Reasoning via Multimodal Understanding in Video

基准测试 | 7.0/10

 · 更新于 2026-09-24 · 约 9 分钟 · 4193 字 阅读 →
论文解读

WorldSense: Evaluating Real-world Omnimodal Understanding for Multimodal LLMs

音频问答 | 7.0/10

 · 更新于 2026-09-24 · 约 8 分钟 · 3728 字 阅读 →
会议任务专题

ICASSP 2026 - 视频理解

共 1 篇 ICASSP 2026 视频理解 方向论文

 · 更新于 2026-09-24 · 约 3 分钟 · 1210 字 阅读 →
论文解读

Teacher-Guided Pseudo Supervision and Cross-Modal Alignment for Audio-Visual Video Parsing

音视频 | 7.0/10

 · 更新于 2026-09-24 · 约 10 分钟 · 4812 字 阅读 →