论文页面 - MemoBench：动态变化环境中世界建模的基准测试

来源: https://huggingface.co/papers/2606.27537 作者:

,

,

,

,

,

,

,

,

,

,

,

,

摘要

MemoBench 提出了一个诊断基准，用于评估视频生成模型在动态变化环境中的记忆一致性——当物体消失并以更新状态重新出现时。

视频生成模型 (https://huggingface.co/papers?q=Video%20generation%20models) 旨在模拟动态环境，目前已有多个基准测试评估帧间的记忆一致性 (https://huggingface.co/papers?q=memory%20consistency)。然而，大多数基准仅在目标物体保持在视野内时评估一致性；少数迫使物体离开视野的测试，也只评估遮挡期间没有任何变化的静态场景。为了弥补这一空白，我们提出了 MemoBench——一个围绕 消失-重现范式 (https://huggingface.co/papers?q=disappear-and-reappear%20paradigm) 构建的诊断基准 (https://huggingface.co/papers?q=diagnostic%20benchmark)，适用于动态变化环境：目标物体经历一个物理过程后从视野中消失，并在重新出现时必须正确地以其更新后的状态被恢复。我们整理了 360 个涵盖合成场景和真实世界场景的真实片段，并设计了一套评估套件，将自动评估指标与基于 VQA 的评估 (https://huggingface.co/papers?q=VQA-based%20assessment) 相结合，覆盖四个诊断支柱。对八种最先进模型的评估揭示了在 消失-重现范式 (https://huggingface.co/papers?q=disappear-and-reappear%20paradigm) 下关于记忆一致性 (https://huggingface.co/papers?q=memory%20consistency) 的关键洞见和开放挑战。

查看 arXiv 页面 (https://arxiv.org/abs/2606.27537)
查看 PDF (https://arxiv.org/pdf/2606.27537)
项目页面 (https://memobench-team.github.io/)
GitHub2 (https://github.com/MemoBench-Team/MemoBench)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.27537)

在您的 Agent 中获取此论文：

hf papers read 2606.27537

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

引用此论文的模型 0

没有模型链接到此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.27537 以从此页面链接。

引用此论文的数据集 1

tonyc54/MemoBench 更新于约 1 小时前 • 35 • 2 (https://huggingface.co/datasets/tonyc54/MemoBench)

引用此论文的 Space 1

包含此论文的收藏集 0

没有包含此论文的收藏集

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