资料索引 视频评价 · arXiv 2611.22673
作者 Do Xuan Long 等
FVScore: Specification-Driven Neuro-Symbolic Video Evaluation
Daily Papers 收录于

一句“先举杯,再放回桌面”包含动作和先后关系,单个总体分数很难指出哪里没做好。研究者分别提取明确要求和物理、时间、跨模态等隐含条件,再由专门的感知工具逐项检查。

输出把显著偏差关联到时间戳,供人回看原始片段。该框架需要先把要求转成可检查的命题,提示词本身没有说清楚的审美取舍,仍很难用同一套分数处理。

原始资料