论文页面 - VGI-BENCH：探究视频生成模型中的视觉智能

来源：https://huggingface.co/papers/2608.19583 作者： （此处略去作者列表）

摘要

VGI-bench 通过27项任务评估视频生成模型中的视觉推理能力，揭示了其在生成过程中的有限可靠性与极少的自我纠正能力。

近期研究表明，视频生成模型（https://huggingface.co/papers?q=video%20generation%20models）能够通过生成的帧展现出某种形式的零样本视觉推理（https://huggingface.co/papers?q=zero-shot%20visual%20reasoning）能力。然而，可靠的评估仍具挑战：基准测试应采用与当前视频模型视觉先验对齐的输入，要求有效的演变过程而非仅关注合理的最终状态，并校准任务难度以保持其挑战性同时又具备一定的可行性。为此，我们推出了VGI-bench（https://huggingface.co/papers?q=VGI-bench），包含27项任务和810个实例，按照任务领域和技能标签的两级分类法组织，旨在对视频生成模型（https://huggingface.co/papers?q=video%20generation%20models）的视觉推理能力（https://huggingface.co/papers?q=visual%20reasoning%20capabilities）进行细粒度评估。我们的评估表明，当前生成系统能够解决一部分视觉基础的推理任务，但可靠性仍远未达到要求，即使是最强的模型Seedance~2.0，在我们的评估标准下也仅达到51.0%的准确率。我们的进一步分析探讨了输出失败模式（https://huggingface.co/papers?q=failure%20modes）、输入条件敏感性（https://huggingface.co/papers?q=input%20condition%20sensitivity）、合成微调（https://huggingface.co/papers?q=synthetic%20fine-tuning）的性能迁移边界，以及从内部去噪（https://huggingface.co/papers?q=denoising）角度揭示的有限自我纠正（https://huggingface.co/papers?q=self-correction）能力——即后续步骤主要是细化早期假设而非纠正推理错误。我们希望VGI-bench（https://huggingface.co/papers?q=VGI-bench）能助力推动下一代视频生成模型（https://huggingface.co/papers?q=video%20generation%20models）的发展。我们将开源我们的代码与数据。

查看 arXiv 页面 | 查看 PDF | 项目主页 | GitHub | 添加到收藏

在您的代理中获取此论文： hf papers read 2608.19583

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

引用此论文的模型0

无模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2608.19583，即可从此页面链接到该模型。

引用此论文的数据集1

hexuan21/VGI-Bench Viewer • 更新于1天前 • 7.03k • 49 (https://huggingface.co/datasets/hexuan21/VGI-Bench)

引用此论文的 Spaces0

无 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.19583，即可从此页面链接到该 Space。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）即可从此页面链接到该收藏。