arXiv · 机器人与计算机视觉· Siwei Meng, Xuerou Cai, Rui Hu, Ping Liu·· 2026-10-15AI 评分65
PhyMetric:通过场景级问答诊断文本生成视频的物理合理性
PhyMetric: Diagnosing Physical Plausibility in Text-to-Video Generation via Scene-Level QA
AI 导读
作者引入 PhyMetric 基准,将文本生成视频的物理合理性评估重构为基于场景的可验证问答任务。该基准包含 1,115 个涵盖 50 类物理现象的场景,每个场景配备 8 个针对特定维度的二元问题及结构化物理先验。实验表明,相比单一通用评分,这种场景级问答是评估协议的关键组件;引入结构化先验能改善不同容量视觉语言模型打分的人类对齐度。该工作已被 NeurIPS 2026 接收。
来源:arXiv · 机器人与计算机视觉 · arxiv.org