研究者发布PhyAVBench音频物理基准

Tianxin Xie等研究者发布 PhyAVBench，称其为首个系统评估文本到音视频（T2AV）、图像到音视频（I2AV）和视频到音频（V2A）模型音频物理 grounding 能力的基准。 该基准配套 PhyAV-Sound-11K 数据集，包含 25.5 小时、11,605 段有声视频，视频来自 184 名参与者，以增加多样性并避免数据泄漏，覆盖 6 个音频物理维度和 41 个细粒度测试点。 提示词、真值及生成视频样本已公开，研究者在论文中公布了访问地址。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。