论文页面 - MFVSR：面向视频字幕去除的多风格细粒度基准

来源：https://huggingface.co/papers/2610.18461

摘要

MFVSR 引入了一个大规模、多风格的视频字幕去除基准，通过细粒度、空间解耦的评测协议，评估修复保真度、保留保真度、时序一致性和可靠性。

视频字幕去除（https://huggingface.co/papers?q=Video%20subtitle%20removal)（VSR）是一项重要的视频修复任务，但现有的评测仍然受限于低分辨率数据集、零散的测试集以及通用的视频修复协议，无法充分捕捉局部修复误差、非预期修改、时序不稳定和不完整输出等问题。本文提出了MFVSR（https://huggingface.co/papers?q=MFVSR），一个面向细粒度、可靠性感知的视频字幕去除（https://huggingface.co/papers?q=video%20subtitle%20removal)评测的大规模多风格基准（https://huggingface.co/papers?q=multi-style%20benchmark)。MFVSR（https://huggingface.co/papers?q=MFVSR)通过三个关键特征区别于现有基准：（1）大规模且多样的数据，包含来自 Real-HQ、Real-LQ 和 AI 生成来源的 3,000 对配对视频，以及 953 个真实场景视频作为辅助集，用于真实世界覆盖度分析；（2）受控的字幕多样性，涵盖 16 种语言和四个因素，覆盖空间布局、时间行为、视觉风格和语言模式；（3）细粒度评测，引入了一种信息条件化、空间解耦的协议，将盲去除与掩码引导去除（https://huggingface.co/papers?q=mask-guided%20removal)区分开来，并衡量修复保真度（https://huggingface.co/papers?q=Restoration%20Fidelity)、保留保真度（https://huggingface.co/papers?q=Preservation%20Fidelity)、时序保真度（https://huggingface.co/papers?q=Temporal%20Fidelity)、覆盖率和失败率。在六种代表性方法上的实验揭示了局部修复、区域外保留、时序一致性和全集可靠性之间的显著差异，而这些差异在传统全帧指标下被掩盖。因此，MFVSR（https://huggingface.co/papers?q=MFVSR)为视频字幕去除（https://huggingface.co/papers?q=video%20subtitle%20removal)方法的评估和改进提供了一个更加全面、更具诊断性的基础。

查看 arXiv 页面 (https://arxiv.org/abs/2610.18461)　查看 PDF (https://arxiv.org/pdf/2610.18461)　GitHub3 (https://github.com/hxyiiii/MFVSR)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.18461)

在你的 agent 中获取此论文：

hf papers read 2610\.18461

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

引用此论文的模型 0

暂无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2610.18461 即可将此页面关联起来。

引用此论文的数据集 1

siiian/MFVSR Viewer• 2天前更新 • 3k • 183 (https://huggingface.co/datasets/siiian/MFVSR)

引用此论文的 Spaces 0

暂无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2610.18461 即可将此页面关联起来。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 即可将此页面关联起来。