关于 CTVid 的报道

ClearText-Video 构建含 4,639 段真实文本身丰富第一视角视频的基准，系统覆盖运动模糊、压缩伪影、噪声和低分辨率等质量衰减。相比此前多为静态或高质量视频的文本基准，它首次将视频恢复与场景文本增强纳入统一评测框架，检验 MLLM 在真实质量条件下的文本阅读与推理。这意味着文本中心视频理解研究从“能否读懂”转向“画质差时能否读懂”。