AskStream: When and What to Ask Proactively under Uncertainty in Streaming Video Understanding
说明AskStream:流式视频理解中不确定时何时及问什么的主动交互基准
简介该论文提出AskStream,这是首个针对流式视频理解、涵盖视频与用户双重不确定性的多轮基准。它在原有等待与回答之外引入提问动作,包含438个视频、2,714个人工标注的帧级时间窗口,分为等待、提问、回答三类。论文指出,即使最强模型在其提出的Ask-F1指标上也只达到52.18%。