ArticleMetadataMain page

source · 2026-04-15

MVBench（CVPR 2024）：综合性的多模态视频理解基准

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

MVBench（CVPR 2024）：综合性的多模态视频理解基准

会议：CVPR 2024
发表日期：2023/11/28
资料加入日期：2026-04-14

一句话结论

这篇工作把通用多模态视频理解 benchmark 补进库里，显著加强了 video-understanding 页的基础评测层。

问题定义

它要解决的是如何系统评测多模态模型在视频理解上的综合能力。对当前知识库来说，它弥补了 video-understanding 页此前过于偏 failure-diagnosis 而缺少通用基准的问题。

方法概述

MVBench 构建覆盖多种视频理解任务的综合 benchmark，用来评估多模态模型对视频时序内容与语义信息的理解能力。

关键发现

  • 它给 video-understanding 提供了一个更像“主基线”的综合 benchmark，而不只是问题诊断页。
  • 它能帮助我们把视频编辑理解问题放回更广义的视频理解能力背景中去看。
  • 它与 HallusionBench、GlitchBench 形成互补：一个更综合，一个更偏 failure mode。

局限或疑问

  • 它并不专门面向视频编辑理解。
  • 综合 benchmark 容易掩盖某些细粒度能力短板。
  • 它适合作为底座，但仍需和更针对性的 benchmark 一起使用。

原始链接

  • https://arxiv.org/abs/2311.17005
  • https://arxiv.org/pdf/2311.17005

相关页面

备注

MVBench 在这套库里的作用，是把通用多模态视频理解 benchmark 补入 video-understanding 的基础层。

Metadata

{
  "id": "2026-04-14-mvbench",
  "type": "source",
  "title": "MVBench（CVPR 2024）：综合性的多模态视频理解基准",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "CVPR 2024",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "evaluation",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Li, Kunchang",
    "Wang, Yali",
    "He, Yinan",
    "Li, Yizhuo",
    "Wang, Yi",
    "Liu, Yi",
    "Wang, Zun",
    "Xu, Jilan",
    "Chen, Guo",
    "Luo, Ping",
    "Wang, Limin",
    "Qiao, Yu"
  ],
  "published_at": "2023/11/28",
  "canonical_links": [
    "https://arxiv.org/abs/2311.17005",
    "https://arxiv.org/pdf/2311.17005"
  ],
  "raw_entry": "raw/ingest/2026-04-14-mvbench/",
  "topics": [
    "topics/video-understanding",
    "topics/generative-model-evaluation"
  ],
  "entities": [],
  "claims": [],
  "questions": [
    "questions/question-do-benchmarks-track-real-video-editing-understanding"
  ]
}