arXiv · 机器人与计算机视觉· Yujia Wang·· 16 天前AI 评分58
Faithful Where You Look:基于锚点的评估掩盖了图像条件化视频生成中的文本伪造
Faithful Where You Look: Anchor-Based Evaluation Hides Text Fabrication in Image-Conditioned Video Generation
AI 导读
该研究指出当前图像条件化视频模型的基准测试因仅关注标注区域(如路牌)而忽略了周边区域的文本伪造问题。实验显示,在东京街景参考数据上,主流模型在锚点处的文本保真度接近无模型控制组,但在非锚点区域有 36%-54% 的生成文本无对应参考且具备可读性,远超控制组的 1.6%。作者提供了代码、标注及预注册评分结果,证明现有指标无法有效追踪此类伪造现象。
来源:arXiv · 机器人与计算机视觉 · arxiv.org