标签
OSCBench是一个新的基准测试，用于评估文本到视频生成模型准确表示对象状态变化（由剥皮或切片等动作引起的转变）的能力。该论文表明，当前的T2V模型在处理时间上一致的状态变化方面存在困难，特别是在新颖和组合场景中，这被认定为视频生成的一个关键瓶颈。