跳到正文
arXiv · 机器人与计算机视觉· Anya Ji, Abhijith Varma Mudunuri, David M. Chan, Alane Suhr·· 9 天前AI 评分72

Animation2Code:评估视频到代码生成中的时序视觉推理能力

Animation2Code: Evaluating Temporal Visual Reasoning in Video-to-Code Generation

AI 导读

作者引入 Animation2Code 基准,包含 1,069 个网页动画视频及其对应的 HTML/CSS/JavaScript 实现,用于评估 VLM 在存在运动时的时序动态恢复能力。研究提出外观相似性与时序相似性两个指标以解耦视觉保真度与时序对齐问题。实验表明,即便经过微调与迭代优化,当前最先进 VLM 在重建时仍难以维持时序一致性。代码与数据已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org