ArticleMetadataMain page

source · 2026-04-15

STI-Bench（ICCV 2025）：多模态大模型是否已准备好进行精确时空世界理解

#near-cvpr-2025#video-understanding#benchmarking#vision-language#primary-source

STI-Bench（ICCV 2025）：多模态大模型是否已准备好进行精确时空世界理解

会议：ICCV 2025
发表日期：2025-01-01
资料加入日期：2026-04-14

一句话结论

这篇工作把精确时空世界理解 benchmark 补进库里，强化了 video-understanding 对“是否真正理解时空关系”的测试层。

问题定义

它要解决的是多模态大模型看起来会做视频任务，但未必具备精确空间-时间理解的问题。对当前知识库来说，它正好补上比 MVBench 更尖锐的一类诊断基准。

方法概述

STI-Bench 通过精确 spatial-temporal world understanding 任务来测试 MLLMs，强调模型是否真的理解了视频中的时空关系而不是只抓浅层线索。

关键发现

  • 它把 video-understanding 里的“精确时空理解”单独拉成 benchmark 维度。
  • 它对以后判断编辑理解是否建立在真实时空理解之上非常有帮助。
  • 它与 MVBench、LVBench、ANetQA 形成互补：综合、长视频、组合推理、精确时空理解。

局限或疑问

  • 它更偏理解诊断，不直接面向生成或编辑控制。
  • 精确时空 benchmark 的任务设计本身也会影响结论。
  • 它是关键诊断层，但不是全部视频理解能力。

原始链接

  • https://openaccess.thecvf.com/content/ICCV2025/html/Li_STI-Bench_Are_MLLMs_Ready_for_Precise_Spatial-Temporal_World_Understanding_ICCV_2025_paper.html
  • https://openaccess.thecvf.com/content/ICCV2025/papers/Li_STI-Bench_Are_MLLMs_Ready_for_Precise_Spatial-Temporal_World_Understanding_ICCV_2025_paper.pdf

相关页面

备注

STI-Bench 在这套库里的作用，是把精确时空世界理解 benchmark 补成 video-understanding 的重要分支。

Metadata

{
  "id": "2026-04-14-sti-bench",
  "type": "source",
  "title": "STI-Bench（ICCV 2025）：多模态大模型是否已准备好进行精确时空世界理解",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "ICCV 2025",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "benchmarking",
    "vision-language",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Yun Li",
    "Yiming Zhang",
    "Tao Lin",
    "Xiangrui Liu",
    "Wenxiao Cai",
    "Zheng Liu",
    "Bo Zhao"
  ],
  "published_at": "2025-01-01",
  "canonical_links": [
    "https://openaccess.thecvf.com/content/ICCV2025/html/Li_STI-Bench_Are_MLLMs_Ready_for_Precise_Spatial-Temporal_World_Understanding_ICCV_2025_paper.html",
    "https://openaccess.thecvf.com/content/ICCV2025/papers/Li_STI-Bench_Are_MLLMs_Ready_for_Precise_Spatial-Temporal_World_Understanding_ICCV_2025_paper.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-14-sti-bench/",
  "topics": [
    "topics/video-understanding",
    "topics/generative-model-evaluation",
    "topics/vision-language"
  ],
  "entities": [],
  "claims": [],
  "questions": [
    "questions/question-do-benchmarks-track-real-video-editing-understanding"
  ]
}