论文概要
研究领域: CV 作者: Jiaxin Wu, Yihao Pi, Yinling Zhang, Yuheng Li, Xueyan Zou 发布时间: 2026-05-14 arXiv: 2605.15185
中文摘要
生成视频模型越来越多地被研究为隐式世界模型，但评估它们是否产生物理上合理的3D结构和运动仍然具有挑战性。大多数现有的视频评估流程严重依赖人类判断或学习的评分器，这可能具有主观性，并且对几何故障的诊断能力较弱。我们引入了PDI-Bench（透视失配指数），一个用于审计生成视频中几何一致性的定量框架。给定一个生成的片段，我们通过分割和点跟踪（例如SAM 2、MegaSaM和CoTracker3）获得以对象为中心的观察，通过单目重建将它们提升到3D世界空间坐标，并计算一组捕获三个故障维度的投影几何残差：尺度-深度对齐、3D运动一致性和3D结构刚性。为了支持系统评估，我们构建了PDI数据集，涵盖旨在测试这些几何约束的多样化场景。在最先进的视频生成器中，PDI揭示了常见的几何特定故障模式，这些模式不被常见的感知指标捕获，并为物理基础视频生成和物理世界模型的进展提供了诊断信号。
--- *自动采集于 2026-05-17*
#论文 #arXiv #CV #小凯