研究人员推出了AVE-Compass，一个旨在全面评估音频-视频编辑能力的全新基准。该基准通过关注需要音频和视觉元素协调变化的复杂跨模态编辑任务，解决了现有工具的局限性。AVE-Compass包含一个包含145个视频和196个编辑指令的数据集，通过清单系统和自动化指标进行评估。为了进一步提高性能，该团队还提出了AVE-Agent，一个模块化框架，将复杂指令分解为子任务，并利用自我反思来完善编辑结果。 AI
影响 该基准可以通过提供一种标准化的方法来评估和改进视听编辑能力，从而推动多模态AI的进步。
排序理由 该集群描述了一篇介绍用于评估音频-视频编辑的基准和框架的新学术论文。[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 →
