MultiRef-Compass：迈向多参考到音视频生成的全面评估

英文标题：MultiRef-Compass: Towards Comprehensive Evaluation of Multi-Reference-to-Audio-Video Generation

多参考到音视频（MR2AV）生成旨在根据多个参考和文本指令生成连贯的音视频内容。现有基准主要聚焦于文本驱动生成和单参考主体保留，缺乏对多参考场景的系统评估。本文提出 MultiRef-Compass，一个面向多参考音视频生成的全面评测基准，填补了这一空白。该工作为多模态生成模型提供了更精确的评估工具，对推动相关研究与实践具有重要意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB