SOMA：面向细粒度第一人称视角行为与人体动作理解的基准测试

英文标题：SOMA: A Benchmark for Fine-Grained Egocentric Behavior and Body-Motion Understanding

本文提出了名为 SOMA 的全新基准测试，专注于评估多模态大语言模型（MLLMs）在细粒度第一人称（自我中心）视角下的行为与人体动作理解能力。当前多模态模型的评估多集中于物体识别、场景分析及粗粒度动作，而忽视了对复杂人体肢体运动的深度推理。该基准填补了具身智能与第一人称视频理解领域的关键评测空白，对开发新一代可穿戴智能助手及人机交互系统具有重要指导意义。