[논문리뷰] OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding본 논문은 Multimodal Large Language Models (MLLMs)의 급속한 발전에 따라 비디오 이해 능력에 대한 종합적인 평가의 필요성을 핵심 문제로 제기합니다.#Review#Omni-Modal Video Understanding#Video Grounding#Temporal Grounding#Spatial Grounding#Question Answering#MLLMs#Benchmark#Cross-Specification Consistency2026년 10월 15일댓글 수 로딩 중
[논문리뷰] MolmoPoint: Better Pointing for VLMs with Grounding Tokens기존의 VLM들은 포인팅을 위해 텍스트 기반의 좌표를 생성하는 방식을 주로 사용해 왔습니다. 그러나 이러한 방식은 복잡한 좌표 시스템을 학습해야 하며, 토큰 사용량이 많아 효율성이 떨어지는 한계가 있습니다 .#Review#Vision-Language Models#Grounding Tokens#Pointing#GUI Grounding#Video Grounding#Sample Efficiency2026년 3월 30일댓글 수 로딩 중