**VTR-Bench:视频生成模型视觉文本渲染能力基准测试** _VTR-Bench: A Systematic Benchmark for Evaluat
原帖
**VTR-Bench:视频生成模型视觉文本渲染能力基准测试**
_VTR-Bench: A Systematic Benchmark for Evaluating Visual Text Rendering in Video Generation_
> 针对现有视频生成评估忽视文本准确性的问题,研究团队提出 VTR-Bench 基准。该基准包含 300 个涵盖广告、科普等场景的提示词,并开发了自动化评估流水线以分别衡量文本保真度及场景运动要求。实验显示,11 个最先进模型在场景文本渲染上普遍存在困难,最佳模型词错误率仍达 0.250。此外,论文还引入了关键帧引导的智能体框架,通过视觉反馈迭代优化生成质量,为提升视频生成中的文本渲染能力提供了实践路径。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.01499)