视觉语言模型能分析以人为中心的视频吗？模型能力与人机协作工作流映射

英文标题：Can Vision-Language Models Analyze Human-Centered Video? Mapping Model Capabilities and Human-AI Collaborative Workflows

这篇 arXiv 预印本探讨视觉语言模型（VLM）是否能够用于分析以人为中心的视频内容。论文指出，视频记录了人类行为、互动及其所处情境，是理解个体和开展以人为中心研究的重要证据。研究聚焦于梳理模型能力，并探索人类与 AI 协作的视频分析工作流。该议题对需要处理行为观察、访谈录像、现场记录等视频材料的研究者和开发者具有参考意义。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB