arXiv cs.CL· Sha Luo, Yogesh Prabhu, Timothy Ossowski, Kaiping Chen, Junjie Hu·· 12 小时前AI 评分31
RiskCueBench：评测视频语言模型从早期风险线索进行预判推理的基准
RiskCueBench: Benchmarking Anticipatory Reasoning from Early Risk Cues in Video-Language Models
AI 导读
研究团队推出视频理解基准 RiskCueBench，通过人工标注视频中最早出现安全隐患的“风险信号片段”，要求模型仅凭早期视觉线索预判后续风险事件，而非观看包含事故本身在内的完整视频。实验显示，当前系统在理解动态演变情境、从早期信号预判未来风险事件方面存在明显差距，凸显视频风险预测模型实际部署面临的挑战。
正文 · AI 翻译
摘要：随着以视频为中心的社交媒体的快速增长，从视觉数据中预判风险事件的能力成为保障公共安全、预防现实世界事故的一个有前景的方向。已有工作已在驾驶、抗议和自然灾害等领域广泛研究了有监督的视频风险评估。然而，许多现有数据集让模型能够访问完整视频序列，包括事故本身，这大幅降低了任务难度。为更好地反映现实世界条件，我们提出了一个新的视频理解基准 RiskCueBench，其中视频经过仔细标注，以识别风险信号片段，即最早表明潜在安全隐患的时刻。实验结果显示，当前系统在解读不断演变的情境以及从早期视觉信号预判未来风险事件方面存在显著差距，凸显了在实际部署视频风险预测模型时面临的重要挑战。
| 评论： | *本版本更新了作者邮箱 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2601.03369 [cs.CV] |
| （或 arXiv:2601.03369v3 [cs.CV] 用于本版本） | |
| https://doi.org/10.48550/arXiv.2601.03369 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Sha Luo [查看邮箱]
[v1]
2026年1月6日星期二 19:14:49 UTC（36,160 KB）
[v2]
2026年1月21日星期三 06:11:42 UTC（36,160 KB）
[v3]
2026年10月21日星期三 20:12:23 UTC（36,529 KB）
来源：arXiv cs.CL · arxiv.org