研究人员推出了BRITE，一个旨在评估文本到视频（T2V）生成模型的新基准，特别关注其处理不可信场景和音视频一致性的能力。与全自动化方法不同，BRITE采用人工干预的协议来确保可靠性和可解释性。对Sora 2和Veo 3.1等模型的初步评估显示，尽管它们在静态对象组合方面很熟练，但在对象-动作绑定和音视频同步方面存在显著的性能差距。 AI
影响 提供了一个新的评估框架，用于识别下一代T2V模型（尤其是在处理挑战性提示时）的局限性。
排序理由 该集群描述了一篇介绍T2V模型评估基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
