ArticleMetadataMain page

source · 2026-04-15

ANetQA（CVPR 2023）：面向未裁剪视频细粒度组合推理的大规模基准

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

ANetQA（CVPR 2023）：面向未裁剪视频细粒度组合推理的大规模基准

会议：CVPR 2023
发表日期：2023/05/04
资料加入日期：2026-04-14

一句话结论

这篇工作把未裁剪视频中的细粒度组合推理 benchmark 补了进来，强化了 video-understanding 对事件结构理解的覆盖。

问题定义

它要解决的是模型在长而未裁剪的视频里能否真正理解多事件、组合关系和时序结构的问题。对当前知识库来说，它补的是 compositional reasoning 这一层。

方法概述

ANetQA 构建面向 untrimmed videos 的 fine-grained compositional reasoning benchmark，通过问答形式测试模型对事件关系与结构的理解。

关键发现

  • 它让 video-understanding 页增加了对 untrimmed / compositional reasoning 的明确样本。
  • 它有助于之后判断模型是否只是抓住显眼线索，而不是真正理解事件结构。
  • 它也为“视频编辑理解”提供了更底层的参考，因为编辑判断常常同样依赖事件结构。

局限或疑问

  • 问答式 benchmark 仍然和真实编辑任务之间有距离。
  • 它更偏 reasoning 测试，不直接覆盖生成或编辑控制。
  • 它适合作为理解层补厚，而不是直接替代编辑 benchmark。

原始链接

  • https://arxiv.org/abs/2305.02519
  • https://arxiv.org/pdf/2305.02519

相关页面

备注

ANetQA 在这套库里的作用，是把未裁剪视频组合推理 benchmark 补成 video-understanding 的重要分支。

Metadata

{
  "id": "2026-04-14-anetqa",
  "type": "source",
  "title": "ANetQA（CVPR 2023）：面向未裁剪视频细粒度组合推理的大规模基准",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "CVPR 2023",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "evaluation",
    "benchmarking",
    "reasoning",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Yu, Zhou",
    "Zheng, Lixiang",
    "Zhao, Zhou",
    "Wu, Fei",
    "Fan, Jianping",
    "Ren, Kui",
    "Yu, Jun"
  ],
  "published_at": "2023/05/04",
  "canonical_links": [
    "https://arxiv.org/abs/2305.02519",
    "https://arxiv.org/pdf/2305.02519"
  ],
  "raw_entry": "raw/ingest/2026-04-14-anetqa/",
  "topics": [
    "topics/video-understanding",
    "topics/generative-model-evaluation"
  ],
  "entities": [],
  "claims": [],
  "questions": [
    "questions/question-do-benchmarks-track-real-video-editing-understanding"
  ]
}