MA-Bench：迈向细粒度微动作理解
计算机视觉与模式识别
2026-03-30 v1
摘要
随着多模态大语言模型（MLLMs）的快速发展，其在微动作理解方面的潜力——人类情感分析中的关键角色——由于缺乏专门的基准而尚未被探索。为解决这一问题，我们提出了MA-Bench，一个包含1,000个视频和三层评估架构的基准，逐步考察微动作感知、关系理解和解释性推理。MA-Bench包含12,000个结构化问答对，能够系统评估识别准确性和动作解释能力。23个代表性MLLM的结果表明，在捕捉运动粒度和细粒度身体部位动态方面存在显著挑战。为应对这些挑战，我们进一步构建了MA-Bench-Train，一个包含20.5K个视频的大规模训练语料库，配有结构化的微动作标注，用于微调MLLMs。在MA-Bench-Train上微调的Qwen3-VL-8B的结果显示，在微动作推理和解释任务上均有明显的性能提升。我们的工作旨在为MLLMs在理解细微微动作和人类相关行为方面建立基础基准。项目页面：https://MA-Bench.github.io
引用
@article{arxiv.2603.26586,
title = {MA-Bench: Towards Fine-grained Micro-Action Understanding},
author = {Kun Li and Jihao Gu and Fei Wang and Zhiliang Wu and Hehe Fan and Dan Guo},
journal= {arXiv preprint arXiv:2603.26586},
year = {2026}
}
备注
Accepted by CVPR 2026