HuggingFace Daily Papers·2026-10-01 08:00· 1 天前AI 评分42

VTR-Bench：评估视频生成中视觉文本渲染的系统性基准

VTR-Bench: A Systematic Benchmark for Evaluating Visual Text Rendering in Video Generation

AI 导读

VTR-Bench 是用于评估视频生成模型视觉文本渲染能力的系统性基准，包含覆盖广告、科学视频等五类场景的 300 条提示词，并配套自动化评估流程。在 11 个 SOTA 模型上的实验显示，场景文本渲染普遍存在困难，表现最好的模型整体词错误率（WER）为 0.250。