摘要
本文提出了TAR(交通异常推理)及其基准测试TAR-Bench,旨在训练和评估超越简单异常检测的视频-语言模型。TAR包含来自8个公共数据集的3670段监控视频(约26小时),涵盖10个任务的44,040条思维链训练注释。其评估组件TAR-Bench包含80个精选片段的960条人工标注测试数据。研究利用MAVEN将多尺度视频证据整合为结构化事件描述以生成问答对。实验显示,强大的问答准确率并不能可靠预测时序或场景推理能力。在TAR上进行多任务微调使全任务模型的综合得分比零样本基线提高了21.4分。该数据集为AI City Challenge 2026 Track 3提供了官方训练和域内评估数据。
AI 推荐理由
论文核心聚焦于多任务交通异常推理,提供思维链数据与基准,直接评估和提升模型的逻辑推理能力。
研究机构
NVIDIA
Santa Clara University
论文信息