SVHalluc: Evaluación de alucinaciones voz-visión en modelos AV
SVHalluc: nuevo benchmark para alucinaciones voz-visión en LLMs audiovisuales. Modelos fallan en alineación semántica y temporal.
#comprensión multimodal
DraDDP: Dataset multimodal para análisis de discurso en diálogos multipartes
Descubre DraDDP, el primer dataset multimodal público para analizar discurso en diálogos multipartes. Basado en series de TV, impulsa la IA conversacional.