비디오 LMM 벤치마크 'TimeScope' 공개

최근 비디오 대규모 멀티모달 모델(LMM)들이 긴 컨텍스트를 처리할 수 있다고 주장하지만, 실제로는 단순한 시각적 검색(Visual Search) 수준에 머무는 경우가 많다.

TimeScope는 1분에서 8시간에 이르는 긴 영상 속에 5~10초 분량의 짧은 **비디오 클립(Needle)**을 삽입하여 모델의 실질적인 시간적 이해 능력을 평가하는 오픈소스 벤치마크다.

주요 평가 항목은 다음 세 가지 핵심 역량에 집중한다:

• Localized Retrieval: 방대한 영상 내 특정 구간을 찾아내고 질문에 답하는 능력
• Information Synthesis: 타임라인 전반의 여러 세부 정보를 수집하고 정리하는 능력
• Fine-Grained Temporal Perception: 밀도 높은 프레임 샘플링이 필요한 동작 및 사건을 정밀하게 분석하는 능력

이 벤치마크는 모델이 단순히 프레임을 훑는 것을 넘어, 영상의 흐름과 사건의 인과관계를 진정으로 이해하는지 검증하는 데 목적이 있다.