arXiv · cs.AI· Subhashini Venugopalan·· 18 小时前AI 评分35
MTG-AD 数据集发布：面向端到端行内音频描述的细粒度评测
Mind The Gap (MTG-AD): Dataset and Fine-grained Evaluation for End-to-End Inline Audio Descriptions
来源与原文
arXiv · cs.AI
作者：Subhashini Venugopalan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39955v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 MTG-AD 数据集与 MTG-AD-Eval 评测框架，用于评估多模态大语言模型生成“行内”音频描述的能力。数据集含 36 小时视频、8k+ 条专业标注，评测框架将生成脚本渲染为音轨并检验其与视频自然静音的契合度。实验显示模型能准确描述视觉事件并显著减少语音重叠，但在叙事节奏上仍有差距，BLV 用户认为模型生成的音频描述对理解很有帮助。
来源：arXiv · cs.AI · arxiv.org