BVB 基准:让 agent 用 Blender 重建 288 段真实视频来检验视频理解
SonglinYang4 · x · 2026-10-14
Rochester、Sony、CMU 等机构推出 BVB 基准,核心思想:「如果 agent 真理解一段视频,它就能编程重建它」。
- agent 观看真实室内视频后,编写 Blender Python 代码把场景重建为带相机轨迹的动画 3D 场景;忠实重建要求理解房间布局、物体与视角随时间的变化。
- 共 288 段真实视频、51 种 agent 配置;所有 agent 条件相同:只看视频帧、在同一沙箱运行代码、每场景统一成本上限。
- 评估两轴:Dual VQA(重建是否保留内容语义)与 Latent Similarity(视觉相似度)。
- 排行榜已加入 Gemini 4 Argon、Muse Wonder、Claude Haiku 5.5、DeepSeek V4.1 Flash、Grok 4.7 等模型结果;作者表示乐观看到「程序化视频重建」能力的进展。
论文、代码与排行榜均已公开。
「多模态」频道最新
- 赛博朋克风 AI 画作走红:荧光发色少女撞上便利贴涂鸦墙 — LudovicCreator · 2026-10-14
- 网友用 Grok Bot 串联 Suno、Midjourney 和 Opus 自动生成音乐视频 — tetsuoai · 2026-10-14
- AI生成兄妹日常爆火：姐姐的“只许我欺负弟弟”名场面 — alifcoder · 2026-10-14
- 一年后改口:作者承认 3DGS 转网格或已追上摄影测量 — jonstephens85 · 2026-10-14
- AI 珠宝蜘蛛梗图刷屏:红蓝宝石蜘蛛项链惊艳 X 圈 — LudovicCreator · 2026-10-14
- 马斯克晒 Grok+Imagine 生成音乐视频，网友热心修复闪灯画质 — elonmusk · 2026-10-14