CinematicVQA：评测大视觉语言模型的电影语法推理能力

英文标题：CinematicVQA: Benchmarking Film-Grammar Reasoning in Large Vision-Language Models

论文《CinematicVQA》提出了一项用于评测大视觉语言模型（LVLM）电影语法推理能力的基准。研究聚焦电影摄影这一通过构图、灯光和镜头运动进行视觉叙事的创作方法，以及其对观众感知和情绪投入的影响。该工作旨在检验现有 LVLM 在理解视频电影语言方面的能力，对视频理解、影视 AI 工具和多模态 Agent 的开发具有参考意义。原始摘要内容在所提供文本中不完整，未包含具体实验数据和结论。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB