ViTeX-Bench视频场景文本编辑基准发布

2026年10月15日，Xinghao Chen等作者在arXiv发布ViTeX-Bench，一个面向视频场景文本编辑的基准套件，由ViTeX-Dataset与三轴评测协议组成。数据集包含387段真实720p视频，均带文本区域掩码与编辑指令，其中230段提供经审核、由流水线生成的配对编辑用于训练，157段构成冻结评测集。作者同时发布开源参考编辑器ViTeX-Edit-14B，在配对训练集上以运动对齐的字形-视频条件微调，在受评的视频原生编辑器中取得最高平均CharAcc 0.688，并在原始编辑器输出中取得最低的可比文本裁剪Warp。该版本（v2）更正了ViTeX-Edit-14B的结果，并新增禁用字形的消融研究。以上为发布方在论文中自述的内容。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。