arXiv ID:
2607.08489
arXiv 提交日期: 2026-07-09
VEGAS:通过凝视实现与人类对齐的视频字幕评估 / VEGAS: Human-Aligned Video Caption Evaluation via Gaze
1️⃣ 一句话总结
本文提出了一种无需额外训练的评估方法VEGAS,通过利用观看视频时的人眼注视数据,从多个候选描述中挑选出最符合个人关注点的字幕,从而让视频字幕更贴近观众的真实注意力。