ArticleMetadataMain page

source · 2026-04-15

LVBench（ICCV 2025）：极限长视频理解基准

#near-cvpr-2025#video-understanding#evaluation#benchmarking#primary-source

LVBench（ICCV 2025）：极限长视频理解基准

会议：ICCV 2025
发表日期：2024/06/12
资料加入日期：2026-04-14

一句话结论

这篇工作把极限长视频理解 benchmark 补进库里，显著加强了 video-understanding 对长上下文问题的覆盖。

问题定义

它要解决的是现有视频理解 benchmark 往往不够长，无法真正暴露模型在长时间跨度上丢失关键信息的问题。对当前知识库来说，它正好填补了 video-understanding 页一直保留的“长上下文”缺口。

方法概述

LVBench 构建面向极限长视频理解的 benchmark，用来测试模型在长时序、多事件视频上的保持能力、推理能力与细节追踪能力。

关键发现

  • 它让 video-understanding 页不再只依赖综合 benchmark 和 failure diagnosis，而真正有了 long-context benchmark。
  • 它能帮助后续判断哪些模型只是短视频表现好，而不是具备真实长时序理解能力。
  • 它对未来开题也很有价值，因为长视频理解本身就是很自然的改进切口。

局限或疑问

  • 它主要衡量长视频理解，不直接等于视频编辑理解。
  • 长上下文 benchmark 依然可能受题目构造方式影响。
  • 它强化了时序范围维度，但不独自覆盖全部理解能力。

原始链接

  • https://arxiv.org/abs/2406.08035
  • https://arxiv.org/pdf/2406.08035

相关页面

备注

LVBench 在这套库里的作用，是把长视频理解 benchmark 这条线正式补入 video-understanding 主干。

Metadata

{
  "id": "2026-04-14-lvbench",
  "type": "source",
  "title": "LVBench（ICCV 2025）：极限长视频理解基准",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "ICCV 2025",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "evaluation",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Wang, Weihan",
    "He, Zehai",
    "Hong, Wenyi",
    "Cheng, Yean",
    "Zhang, Xiaohan",
    "Qi, Ji",
    "Gu, Xiaotao",
    "Huang, Shiyu",
    "Xu, Bin",
    "Dong, Yuxiao",
    "Ding, Ming",
    "Tang, Jie"
  ],
  "published_at": "2024/06/12",
  "canonical_links": [
    "https://arxiv.org/abs/2406.08035",
    "https://arxiv.org/pdf/2406.08035"
  ],
  "raw_entry": "raw/ingest/2026-04-14-lvbench/",
  "topics": [
    "topics/video-understanding",
    "topics/generative-model-evaluation"
  ],
  "entities": [],
  "claims": [],
  "questions": [
    "questions/question-do-benchmarks-track-real-video-editing-understanding"
  ]
}