논문 정보
- 날짜:
2026-04-02 - 카테고리: -
- 우선순위 점수: 1.667
핵심 요약
PerceptionComp는 단일 장면이 아닌 여러 시점의 시각적 증거와 논리적 제약 조건을 결합해야 해결 가능한 복잡한 비디오 추론 벤치마크입니다. 1,114개의 수동 주석 질문을 통해 객체, 속성, 관계 등 다양한 지각 하위 작업과 시간적·공간적 추론 능력을 평가합니다. 실험 결과 Gemini-3-Flash와 같은 최신 모델도 45.96%의 낮은 정확도를 보여 기존 모델들의 한계를 드러냈습니다.학습자 관점 포인트
- 우리 팀 영향: 장기 비디오 이해 및 복잡한 논리 구조를 가진 멀티모달 모델의 성능을 정밀하게 측정하고 개선 방향을 설정하는 데 활용할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: 최신 MLLM들도 낮은 성능을 보이는 고난도 벤치마크이므로, 현재 개발 중인 모델의 지각 및 추론 한계를 테스트하기에 적합합니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.26653
- Hugging Face Papers: https://huggingface.co/papers/2603.26653