Noticias sobre CTVid

ClearText-Video crea un punto de referencia de 4639 videos reales en primera persona ricos en texto, que cubren la degradación de la calidad, como el desenfoque de movimiento, artefactos de compresión, ruido y baja resolución. En comparación con los puntos de referencia de texto anteriores, que eran en su mayoría videos estáticos o de alta calidad, incorpora por primera vez la restauración de video y la mejora del texto de la escena en un marco de evaluación unificado para probar la lectura de texto y el razonamiento de MLLM en condiciones de calidad real. Esto significa que la investigación sobre la comprensión del vídeo centrada en el texto ha pasado de "se puede leer" a "se puede leer cuando la calidad de la imagen es mala".