ViTeX-Bench 视频场景文字编辑基准发布

Xinghao Chen 等作者发布视频场景文本编辑基准套件 ViTeX-Bench，包含 ViTeX-Dataset 与三轴评测协议，同时发布开源参考编辑器 ViTeX-Edit-14B。作者称，该编辑器在配对训练集上微调，并采用运动对齐的字形—视频条件化。 数据集由 387 段真实 720p 视频组成，均带文本区域掩码和编辑指令；其中 230 段提供经审核、由流水线生成的配对编辑用于训练，157 段构成冻结评测集。评测从文本正确性、视觉与时间质量、编辑局部性三个维度展开，共 13 项指标。 该论文 v2 版本更正了 ViTeX-Edit-14B 的结果，并补充了禁用字形的消融实验。上述数据规模、训练/评测划分及模型效果均来自作者论文表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。