Data16.11.2026 · 07:001 nguồn

VibePrevisBench: Đánh giá khả năng agentic coding để tạo scene 4D trong Blender

Từ huggingface.co

Ảnh: huggingface.co
AI;DR

Các mô hình tạo video thực tế có khả năng điều khiển có thể dựa trên một video proxy graybox đã render để cố định bố cục, chuyển động và camera. Các coding agent có thể tạo ra những video như vậy bằng cách tái dựng scene 4D trong Blender, nhưng hiện chưa có benchmark nào kiểm tra đồng thời cả video và các scene đa khung hình, kéo dài đằng sau chúng. Nhóm tác giả giới thiệu VibePrevisBench, một benchmark cho việc tái dựng scene 4D, trong đó một agent sẽ chuyển đổi bản tóm tắt yêu cầu thành một scene 4D có thể thực thi và render video proxy của nó. Benchmark này gồm 242 tác vụ chia thành bốn loại đầu vào, bao gồm kịch bản, ảnh, nội dung viết tiếp và video tham chiếu. Mỗi kết quả bàn giao được chấm điểm theo hai chiều đánh giá. Rule-based Scene Check sẽ chạy lại mã nguồn và so sánh scene 4D được xuất ra với các dữ liệu thực tế ẩn theo chín chiều. VLM-based Screen Check yêu cầu một giám khảo VLM xác định xem các dữ liệu thực tế đã vượt qua kiểm tra có thể được nhận diện trong video proxy hay không. Nhóm tác giả phân tích kết quả đánh giá và quỹ đạo của 11 coding agent frontier, từ đó đưa ra ba quan sát chính. Thứ nhất, khả năng hiểu đa phương thức tạo ra sự phân hóa giữa các agent, đặc biệt là trong việc hiểu không gian và chuyển động camera. Thứ hai, tất cả các agent dường như đã thành thạo các kỹ thuật dàn dựng và vận hành camera cơ bản, nhưng lại thất bại trước những yêu cầu khó.

Đọc bài gốcĐăng nhập để góp ý

Nguồn

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay