arXiv · cs.AI· Songruo Chen, Yuqian Fu, Yu Li, Mingkang Dong, Sifan Zhou, Bin Ren, Xu Zheng, Tianwen Qian, Mohamed Elhoseiny, Yanwei Fu·· 1 天前
EgoOmniWorld：基于自我—行动—世界交互的第一人称视频理解基准
EgoOmniWorld: Unifying Egocentric Understanding via Ego-Action-World Interactions
arXiv:2610.18499v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Songruo Chen, Yuqian Fu, Yu Li, Mingkang Dong, Sifan Zhou, Bin Ren, Xu Zheng, Tianwen Qian, Mohamed Elhoseiny, Yanwei Fu
研究任务与主要进展
研究团队提出 EgoOmniWorld，通过 Node、Edge、Chain 和 Loop 四类交互结构统一组织第一人称视频理解任务与评测。该基准包含24,166个问答组，其中20,284个训练样本和3,882个测试样本；摘要报告模型在各交互结构上存在明显且不均衡的局限，训练后可提升域内理解并泛化至现有基准。数据、代码和模型计划发布，但当前仅提供论文摘要。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org