小米的MiLM Plus推出了PROVE，这是一个新的基准和指标集，旨在更有效地评估视频物体移除模型。PSNR和SSIM等传统指标在处理物体移除的固有不适定性方面存在困难，因为存在多种可能的输出。PROVE使用了两个新颖的指标：RC-S用于空间一致性，RC-T用于时间一致性，它们在深度特征空间内局部运行，并且不需要参考视频。该系统已被ACM MM 2026收录，并作为一个开源PyTorch存储库提供，旨在用于模型评估、CI门禁和数据过滤。 AI
影响 这个新基准解决了评估物体移除模型的局限性，可能有助于在视频编辑和图像清理等领域进行更准确的模型开发和部署。
排序理由 该集群描述了一个用于评估AI模型的新基准和指标的发布，属于研究范畴。
在 Mastodon — sigmoid.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
<p>Object removal models have improved faster than the metrics used to judge them. Diffusion erasers now reconstruct shadows, reflections and occluded structure convincingly, yet PSNR, SSIM, LPIPS, ReMOVE and CFD frequently rank their outputs the wrong way. The root cause is stru…
Xiaomi's MiLM Plus has released PROVE, a new perception-aligned benchmark for video object removal. The metrics RC-S and RC-T evaluate spatial coherence and temporal consistency without requiring reference videos. Accepted at ACM MM 2026. https:// marktechpost.com/2026/08/11/xi a…