ViTeX-Bench 入选 NeurIPS：387 段视频测场景文字编辑
_vztu · x · 2026-10-01
- 团队发布 ViTeX-Bench：一个针对视频场景文字编辑（video scene text editing）的综合 benchmark，被 NeurIPS 2026 E&D Track 接收。
- 难点在于模型需生成正确文字、跨帧保持时间一致性、并保留场景其余部分。
- 发布内容包括：
- ViTEX-Dataset：387 段真实世界 720p 视频，附文字区域 mask 与编辑指令
- 三轴评测协议：文字正确性、时间质量、编辑局部性，共 13 项指标
- 覆盖四种视频编辑范式的 8 个基线模型评测
- 开源参考模型 ViTEX-Edit-14B，采用运动对齐的字形-视频条件机制
- 数据、评测代码与模型权重全部开源。
「多模态」频道最新
- Runway 推出 Visual Thinking:实时视频模型可视化编码 Agent 每一步 — runwayml · 2026-10-01
- Runway 演示:任意媒体扩展成可交互的实时世界模拟 — runwayml · 2026-10-01
- Runway Portals 细节：可拖拽的生成内容窗口 — runwayml · 2026-10-01
- Runway 发布 Project Continuum：实时视频界面操作系统研究 — runwayml · 2026-10-01
- Qwen-Image 2.1 提示词增强节点提速 4.4 倍,8GB 显存可跑 — mozophe · 2026-10-01
- Seedance 2 实测:一段「滑轮冰上午后」视频生成演示 — Ok-Nerve941 · 2026-10-01