论文页面 - VEFX-Bench: 面向通用视频编辑与视觉特效的全面基准测试

来源：https://huggingface.co/papers/2604.16272

作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

本文引入了一个大规模人工标注的视频编辑数据集，包含多维质量标签，以及一个专门用于评估编辑质量的奖励模型，并配套推出了一个标准化系统对比基准。

随着AI辅助视频创作日益实用化，指令引导的视频编辑（https://huggingface.co/papers?q=video%20editing）已成为优化生成或拍摄素材以满足专业需求的关键手段。然而，该领域仍缺乏一个包含完整编辑示例的大规模人工标注数据集（https://huggingface.co/papers?q=human-annotated%20dataset），也缺少一个用于比较编辑系统的标准化评估器。现有资源受限于规模小、缺少编辑输出或缺乏人工质量标签，而当前评估往往依赖昂贵的目视检查或通用视觉语言模型评判器，这些评判器并非专为编辑质量设计。我们推出了VEFX-Dataset，这是一个包含5,049个视频编辑（https://huggingface.co/papers?q=video%20editing）示例的人工标注数据集（https://huggingface.co/papers?q=human-annotated%20dataset），涵盖9个主要编辑类别和32个子类别，每个示例沿三个解耦维度进行标注：指令遵循度、渲染质量和编辑排他性。基于VEFX-Dataset，我们提出了VEFX-Reward，这是一个专门为视频编辑（https://huggingface.co/papers?q=video%20editing）质量评估设计的奖励模型（https://huggingface.co/papers?q=reward%20model）。VEFX-Reward联合处理源视频、编辑指令和编辑后的视频，并通过序数回归（https://huggingface.co/papers?q=ordinal%20regression）预测每个维度的质量分数。我们进一步发布了VEFX-Bench，这是一个包含300个精选视频-提示对（https://huggingface.co/papers?q=video-prompt%20pairs）的基准测试，用于标准化比较编辑系统。实验表明，VEFX-Reward与人类判断的一致性优于通用VLM评判器和先前的奖励模型（https://huggingface.co/papers?q=reward%20model），在标准IQA/VQA指标和分组偏好评估上均表现更佳。使用VEFX-Reward作为评估器，我们对代表性商业和开源视频编辑（https://huggingface.co/papers?q=video%20editing）系统进行了基准测试，揭示了当前模型在视觉合理性、指令遵循度和编辑局部性之间持续存在的差距。

查看arXiv页面（https://arxiv.org/abs/2604.16272）查看PDF（https://arxiv.org/pdf/2604.16272）项目页面（https://xiangbogaobarry.github.io/VEFX-Bench/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2604.16272）

在您的代理中获取这篇论文：

hf papers read 2604\.16272

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

请在模型README.md中引用arxiv.org/abs/2604.16272以从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集README.md中引用arxiv.org/abs/2604.16272以从此页面链接。

引用此论文的Space0

没有Space链接此论文

请在Space README.md中引用arxiv.org/abs/2604.16272以从此页面链接。

包含此论文的收藏集0

没有包含此论文的收藏集

请将此论文添加到一个收藏集（https://huggingface.co/new-collection）中以从此页面链接。