VidSTG

该数据集旨在评估视频对话模型在处理疑问句时的空间定位准确性。在评估定位精度时，选择性地处理提示，并提取相关的参照表达式，在视频帧中进行空间定位。该数据集的任务是视频中的空间定位。

搜集汇总

背景与挑战

背景概述

VidSTG数据集是一个用于评估视频对话模型空间定位准确性的基准，特别关注模型在处理疑问句时对视频帧中对象的定位能力。其核心任务是在视频中进行空间定位，通过提取参照表达式来提升定位精度。