ईवाओमनी ऑडियो-विज़ुअल तर्क के लिए एक साक्ष्य आधारित बेंचमार्क है।
ईवाओमनी 392 वीडियो और ग्राउंडिंग मेट्रिक्स से 1,027 मानव-अनोटेड क्यूए जोड़े का उपयोग करके, यह जांचता है कि क्या AI वीडियो उत्तर ऑडियो-विज़ुअल साक्ष्य पर निर्भर हैं।
ईवाओमनी 392 वीडियो और ग्राउंडिंग मेट्रिक्स से 1,027 मानव-अनोटेड क्यूए जोड़े का उपयोग करके, यह जांचता है कि क्या AI वीडियो उत्तर ऑडियो-विज़ुअल साक्ष्य पर निर्भर हैं।