为什么重要
VATEX 提供中英双语视频描述，是评测多模态模型跨语言视频理解能力的重要基准。
返回评测
多模态 视频-理解 接近饱和
模态 · 视频
任务 · 选择 / 判断
VATEX
41K 视频的中英双语视频字幕基准
UCSB / Tencent AI Lab ·
考察能力
视频描述 多语言生成 视频理解
构建信息
- 数据规模
- 41,250 视频
- 评测方式
- 标准评测
- 核心指标
- CIDEr / BLEU-4
资源链接
模型效果排行
🥇 GPT-4o
~85 CIDEr
🥈 mPLUG-2
~78 CIDEr
视频描述 多语言 中英双语