论文页面 - Artifact-Bench：评估多模态大语言模型在AI生成视频伪影检测与评估中的表现

来源：https://huggingface.co/papers/2605.18984 发布日期：5月18日

#1 今日论文 (https://huggingface.co/papers/date/2026-05-20) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

Artifact-Bench 评估了多模态大语言模型在检测与分析AI生成视频伪影方面的能力，揭示了这些模型在伪影感知与推理上的显著局限性。

近期视频生成模型大幅提升了AI生成视频 (https://huggingface.co/papers?q=AI-generated%20video) 的真实感，但其输出仍存在时间不一致、结构扭曲和语义不连贯等伪影。尽管多模态大语言模型 (https://huggingface.co/papers?q=Multimodal%20Large%20Language%20Models)（MLLMs）展现出强大的视觉理解 (https://huggingface.co/papers?q=visual%20understanding) 能力，但它们感知和推理此类伪影的能力尚不明确。现有基准缺乏对伪影感知与细粒度诊断推理 (https://huggingface.co/papers?q=diagnostic%20reasoning) 的系统评估，尤其是在超越照片级真实感内容的多样化AI生成视频 (https://huggingface.co/papers?q=AI-generated%20video) 领域。为填补这一空白，我们引入了 Artifact-Bench，这是一个用于评估MLLMs在AI生成视频 (https://huggingface.co/papers?q=AI-generated%20video) 伪影检测 (https://huggingface.co/papers?q=artifact%20detection) 与分析方面的综合基准。我们首先建立了一个三级层次化的真实感伪影 (https://huggingface.co/papers?q=realism%20artifacts) 分类体系，涵盖照片级真实感、动画和CG风格视频。基于该分类，Artifact-Bench 定义了三个互补任务：真实视频 vs. AI生成视频 (https://huggingface.co/papers?q=AI-generated%20video) 分类、成对真实感比较以及细粒度伪影识别 (https://huggingface.co/papers?q=fine-grained%20artifact%20identification)。在19个主流MLLM上的实验揭示了伪影感知与推理的显著局限性，许多模型在困难设置下表现接近随机甚至低于随机水平。我们进一步观察到MLLM的判断与人类感知偏好之间存在显著偏差，凸显了它们作为AI生成视频 (https://huggingface.co/papers?q=AI-generated%20video) 真实感通用评估者的可靠性有限。

查看arXiv页面 (https://arxiv.org/abs/2605.18984) 查看PDF (https://arxiv.org/pdf/2605.18984) GitHub1 (https://github.com/FrankYang-17/Artifact-Bench) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.18984)

在你的智能体中获取这篇论文：

hf papers read 2605\.18984

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

引用该论文的模型0

无模型链接该论文

在模型 README.md 中引用 arxiv.org/abs/2605.18984 即可从本页链接。

引用该论文的数据集0

无数据集链接该论文

在数据集 README.md 中引用 arxiv.org/abs/2605.18984 即可从本页链接。

引用该论文的Spaces0

无Space链接该论文

在Space README.md 中引用 arxiv.org/abs/2605.18984 即可从本页链接。

包含该论文的合辑0

无合辑包含该论文

将这篇论文添加到一个合辑 (https://huggingface.co/new-collection) 中即可从本页链接。