Articles sur CTVid

ClearText-Video construit une référence de 4 639 vidéos à la première personne riches en texte réel, couvrant les dégradations de qualité telles que le flou de mouvement, les artefacts de compression, le bruit et la faible résolution. Par rapport aux tests de référence de texte précédents, qui étaient pour la plupart des vidéos statiques ou de haute qualité, il intègre pour la première fois la restauration vidéo et l'amélioration du texte de scène dans un cadre d'évaluation unifié pour tester la lecture et le raisonnement de texte de MLLM dans des conditions de qualité réelle. Cela signifie que la recherche sur la compréhension vidéo centrée sur le texte est passée de « peut-elle être lue » à « peut-elle être lue lorsque la qualité de l'image est mauvaise ».