TextVBench
专门评测视频生成模型中文字渲染质量的基准框架，将文字评测形式化为多目标多实例的时空对应问题，支持T2V和Ref2V两条评测赛道，能够分离空间保真度与时间保真度
时间轴 (近 90 天)
TextVBench 将视觉文字评测形式化为一个多目标、多实例的时空对应（spatiotemporal correspondence）问题
TextVBench 在已知目标文字的前提下筛选候选区域（目标条件下的候选筛选），以降低误判
TextVBench 支持一对多映射，允许一个目标文字对应多个 OCR 识别结果
TextVBench 将帧级别的空间保真度与跨帧的时间保真度分离独立衡量
TextVBench 使用长度加权的调和分数（length-weighted harmonic score）综合多个评测因素
TextVBench 提供额外文字诊断（extra-text diagnostics），用于暴露模型凭空生成提示词中没有文字的失败模式
保留参考图中已有文字（Ref2V）比按提示生成文字（T2V）更难，两赛道之间存在约十余分的差距
属性切片分析显示，当画面中同时存在的参考文字区域数量增加时，模型分数会显著下滑
TextVBench 的基准围绕受控的文字、布局、载体、运动等属性组织，使聚合分数可反向追溯到具体能力瓶颈
全部知识事实 (9)
TextVBench 将视觉文字评测形式化为一个多目标、多实例的时空对应（spatiotemporal correspondence）问题
50%待验证TextVBench 在已知目标文字的前提下筛选候选区域（目标条件下的候选筛选），以降低误判
50%待验证TextVBench 支持一对多映射，允许一个目标文字对应多个 OCR 识别结果
50%待验证TextVBench 将帧级别的空间保真度与跨帧的时间保真度分离独立衡量
50%待验证TextVBench 使用长度加权的调和分数（length-weighted harmonic score）综合多个评测因素
50%待验证TextVBench 提供额外文字诊断（extra-text diagnostics），用于暴露模型凭空生成提示词中没有文字的失败模式
50%待验证保留参考图中已有文字（Ref2V）比按提示生成文字（T2V）更难，两赛道之间存在约十余分的差距
50%待验证属性切片分析显示，当画面中同时存在的参考文字区域数量增加时，模型分数会显著下滑
50%待验证TextVBench 的基准围绕受控的文字、布局、载体、运动等属性组织，使聚合分数可反向追溯到具体能力瓶颈
50%