論文の概要: StreamEval: Evaluating Interactive Streaming Video Generation Models
- arxiv url: http://arxiv.org/abs/2610.28402v3
- Date: Mon, 26 Oct 2026 03:46:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.126422
- Title: StreamEval: Evaluating Interactive Streaming Video Generation Models
- Title（参考訳）: StreamEval: インタラクティブなストリーミングビデオ生成モデルの評価
- Abstract要約: StreamEvalはインタラクティブなストリーミングビデオ生成ベンチマークである。
StreamEvalは完全にオープンソースである。
5つのタスクは、アバター対話、アバターパフォーマンス、ワールドジェネレーション、命令編集、参照編集をカバーしている。
10のメトリクスは、タスクの実行、状態の整合性、視覚的忠実度、視覚的調整を評価する。
37モデルの結果、高い視覚的品質とアイデンティティの保持は、信頼できる要求実行や持続的な状態整合性と必ずしも一致しないことが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce StreamEval with four key features: (1) First interactive streaming video generation benchmark. (2) Fully open source. Benchmark data, evaluation code, protocols, and scoring rules are publicly available. (3) Comprehensive coverage. Five tasks cover avatar dialogue, avatar performance, world generation, instruction editing, and reference editing, with 300 scripted cases lasting 15 to 300 seconds. Ten metrics assess task execution, state consistency, visual fidelity, and audiovisual coordination. (4) Monthly updates. We will evaluate new and updated models and publish leaderboard results monthly. Results from 37 models show that high visual quality and identity retention do not necessarily coincide with reliable request execution or sustained state consistency. The leaderboard is available at https://streameval.ai.
- Abstract（参考訳）: 1) インタラクティブなストリーミングビデオ生成ベンチマーク。
(2) 完全なオープンソース。
ベンチマークデータ、評価コード、プロトコル、スコアリングルールが公開されている。
(3)包括的包括的包括的包括的包括的包括的包括的包括的包括的包括的包括的包括的包括的包括的包
5つのタスクは、アバターの対話、アバターのパフォーマンス、世界生成、命令編集、参照編集をカバーし、300のスクリプトケースは15秒から300秒続く。
10のメトリクスは、タスクの実行、状態の整合性、視覚的忠実度、視覚的調整を評価する。
(4)月次更新。
新たなモデルと更新モデルを評価し、毎月リーダボードの結果を公開します。
37モデルの結果、高い視覚的品質とアイデンティティの保持は、信頼できる要求実行や持続的な状態整合性と必ずしも一致しないことが示された。
リーダーボードはhttps://streameval.ai.comで入手できる。
関連論文リスト
- DIVE: Benchmarking Full-Duplex Interaction with Visual Engagement in Continuous Streams [28.27544079095738]
DIVEは、連続的および現実的なマルチモーダルストリームの下で視覚的エンゲージメントと完全なマルチモーダルインタラクションを評価するためのベンチマークである。
6つのタスクを3つの補完的な相互作用シナリオにまとめる。
詳細な人間のアノテーションと正確な時間的メタデータを備えたオーディオ/ビデオサンプルを含んでいる。
論文 参考訳（メタデータ） (2026-10-20T15:48:29Z) - StreamAV-Bench: A Comprehensive Benchmark for Streaming Audio-Video Generation [48.448082116311156]
StreamAV-Benchは、ストリーミングオーディオビデオ生成用に調整された最初の包括的なベンチマークである。
解析の結果,現在のモデルでは,対話制御時の進行的生成と応答性のボトルネックが時間的変動に悩まされていることが明らかとなった。
包括的故障解析に基づいて、ネイティブな共同音声-ビデオストリーミングモデルの開発を進めるための洞察を共有する。
論文 参考訳（メタデータ） (2026-08-26T19:16:24Z) - WBench: A Comprehensive Multi-turn Benchmark for Interactive Video World Model Evaluation [56.5415838759151]
WBenchはインタラクティブな世界モデルを評価するための総合的なベンチマークである。
ビデオの品質、セッティングアテンジェンス、インタラクションアテンデンス、一貫性、物理コンプライアンスをカバーしている。
289件のテストケースと1,058件のインタラクション・ターンが含まれており、多様なシーン、スタイル、主題、一対三の視点をカバーしている。
論文 参考訳（メタデータ） (2026-05-25T14:01:31Z) - OmniShow: Unifying Multimodal Conditions for Human-Object Interaction Video Generation [75.70865997182294]
ヒューマンオブジェクトインタラクションビデオ生成(Human-Object Interaction Video Generation、HOIVG)は、テキスト、参照画像、オーディオ、ポーズで条件付けられた高品質なヒューマンオブジェクトインタラクションビデオを合成することを目的としている。
我々は、この実用的で挑戦的なタスクに適したエンドツーエンドフレームワークであるOmniShowを紹介します。
論文 参考訳（メタデータ） (2026-04-13T17:59:12Z) - StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios [33.70462645363648]
StreamEQAは、エンボディされたシナリオにおけるビデオ質問応答の最初のベンチマークである。
156個の独立した長編ビデオの上に構築され、正確なタイムスタンプで約21Kの質問応答ペアを生成する。
StreamEQAは、エンボディされたアプリケーションのためのストリーミングビデオ理解の研究を触媒することを期待しています。
論文 参考訳（メタデータ） (2025-12-04T04:48:16Z) - IWR-Bench: Can LVLMs reconstruct interactive webpage from a user interaction video? [56.33950760097989]
IWR-Benchは、ビデオからインタラクティブなWebページ再構築におけるLVLM(Large Vision-Language Models)の機能を評価するための新しいベンチマークである。
IWR-Benchは100の現実世界のウェブサイトから1,001のアクションで1,3の精巧にキュレートされたタスクで構成されている。
このベンチマークは、ビデオとアセットからインタラクションロジックを推論する包括的なマルチモーダル推論と、このロジックを関数コードに変換するための高度なコード生成という、2つの基本的な課題に関するモデルを評価する。
論文 参考訳（メタデータ） (2025-09-29T12:38:06Z) - PEg TRAnsfer Workflow recognition challenge report: Does multi-modal
data improve recognition? [14.144188912860892]
PETRAW (PEg TRAnsfert Recognition) の課題は, 手術ワークフロー認識法の開発であった。
PETRAWチャレンジは、仮想シミュレータ上で実行される150ペグの転送シーケンスのデータセットを提供する。
ビデオ/キネマティックベースの手法と一様性(uni-modality)の改善は、すべてのチームにとって重要なものでした。
論文 参考訳（メタデータ） (2022-02-11T18:33:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。