arXiv cs.AI· Do Xuan Long, Long T. Le, Yiwen Song, Min-Yen Kan, Tomas Pfister, Yale Song·· 23 小时前AI 评分27
FVScore:面向规范驱动的神经符号视频生成评估框架
FVScore: Specification-Driven Neuro-Symbolic Video Evaluation
AI 导读
FVScore 是一个面向规范驱动的神经符号视频生成评估框架,将视频编译为显式命题与隐式命题,并用受线性时序逻辑启发的软时序算子评估置信度轨迹。其 Significance-Aware Calibration 步骤只保留感知上显著的违规,输出带时间戳和证据的报告。在公开及复杂多事件基准上,FVScore 与人类判断的相关性优于整体式和基于智能体的评估器。
正文 · AI 翻译
摘要:我们提出 Faithfulness Video Score(FVSCORE),一个用于规范驱动视频生成评估的神经符号框架。现有评估器依赖整体式 MLLM 判断或视觉-语言指标,但使其评分与人类判断对齐,并将其追溯到具体的时间违规,仍是未解决的挑战。FVSCORE 通过将每个视频编译为捕获提示要求的显式命题,以及捕获未明示的物理、时间和跨模态约束的隐式命题,来解决这些局限。它使用专门的感知工具对每个命题进行接地,并用受线性时序逻辑启发的软时序算子评估所得的置信度轨迹。随后,显著性感知校准步骤通过仅保留感知上显著的违规,使验证与人类感知对齐,然后生成基于时间戳和证据的报告。我们在公开和复杂的多事件基准上,与迄今最强的视频模型进行了大量实验,证明 FVSCORE 在与人类相关性方面优于整体式和基于智能体的评估器,同时提供高度准确且可解释的反馈。
| 评论: | 项目页面:此 https URL |
| 主题: | 计算机视觉与模式识别(cs.CV);人工智能(cs.AI) |
| 引用为: | arXiv:2611.22673 [cs.CV] |
| (或 arXiv:2611.22673v1 [cs.CV] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22673 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Long Do Xuan [查看电子邮件]
[v1]
2026年11月17日星期二 12:25:33 UTC(7,033 KB)
来源:arXiv cs.AI · arxiv.org