GRADEO: Towards Human-Like Evaluation for Text-to-Video Generation via Multi-Step Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Mou, Zhun, Xia, Bin, Huang, Zhengchao, Yang, Wenming, Jia, Jiaya |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
FFAA: Multimodal Large Language Model based Explainable Open-World Face Forgery Analysis Assistant
par: Huang, Zhengchao, et autres
Publié: (2024)
par: Huang, Zhengchao, et autres
Publié: (2024)
AVBench: Human-Aligned and Automated Evaluation Benchmark for Audio-Video Generative Models
par: Yang, Jialiang, et autres
Publié: (2026)
par: Yang, Jialiang, et autres
Publié: (2026)
UnityVideo: Unified Multi-Modal Multi-Task Learning for Enhancing World-Aware Video Generation
par: Huang, Jiehui, et autres
Publié: (2025)
par: Huang, Jiehui, et autres
Publié: (2025)
MagicMirror: ID-Preserved Video Generation in Video Diffusion Transformers
par: Zhang, Yuechen, et autres
Publié: (2025)
par: Zhang, Yuechen, et autres
Publié: (2025)
Training-Free Efficient Video Generation via Dynamic Token Carving
par: Zhang, Yuechen, et autres
Publié: (2025)
par: Zhang, Yuechen, et autres
Publié: (2025)
LLMGA: Multimodal Large Language Model based Generation Assistant
par: Xia, Bin, et autres
Publié: (2023)
par: Xia, Bin, et autres
Publié: (2023)
LLMRA: Multi-modal Large Language Model based Restoration Assistant
par: Jin, Xiaoyu, et autres
Publié: (2024)
par: Jin, Xiaoyu, et autres
Publié: (2024)
VideoTetris: Towards Compositional Text-to-Video Generation
par: Tian, Ye, et autres
Publié: (2024)
par: Tian, Ye, et autres
Publié: (2024)
ControlNeXt: Powerful and Efficient Control for Image and Video Generation
par: Peng, Bohao, et autres
Publié: (2024)
par: Peng, Bohao, et autres
Publié: (2024)
LOVE: Benchmarking and Evaluating Text-to-Video Generation and Video-to-Text Interpretation
par: Wang, Jiarui, et autres
Publié: (2025)
par: Wang, Jiarui, et autres
Publié: (2025)
VisionReasoner: Unified Reasoning-Integrated Visual Perception via Reinforcement Learning
par: Liu, Yuqi, et autres
Publié: (2025)
par: Liu, Yuqi, et autres
Publié: (2025)
Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning
par: Zhang, Qin, et autres
Publié: (2026)
par: Zhang, Qin, et autres
Publié: (2026)
VidText: Towards Comprehensive Evaluation for Video Text Understanding
par: Yang, Zhoufaran, et autres
Publié: (2025)
par: Yang, Zhoufaran, et autres
Publié: (2025)
MSVBench: Towards Human-Level Evaluation of Multi-Shot Video Generation
par: Shi, Haoyuan, et autres
Publié: (2026)
par: Shi, Haoyuan, et autres
Publié: (2026)
DreamVE: Unified Instruction-based Image and Video Editing
par: Xia, Bin, et autres
Publié: (2025)
par: Xia, Bin, et autres
Publié: (2025)
LISA: Reasoning Segmentation via Large Language Model
par: Lai, Xin, et autres
Publié: (2023)
par: Lai, Xin, et autres
Publié: (2023)
DreamOmni: Unified Image Generation and Editing
par: Xia, Bin, et autres
Publié: (2024)
par: Xia, Bin, et autres
Publié: (2024)
Fleximo: Towards Flexible Text-to-Human Motion Video Generation
par: Zhang, Yuhang, et autres
Publié: (2024)
par: Zhang, Yuhang, et autres
Publié: (2024)
I4VGen: Image as Free Stepping Stone for Text-to-Video Generation
par: Guo, Xiefan, et autres
Publié: (2024)
par: Guo, Xiefan, et autres
Publié: (2024)
Does Your Vision-Language Model Get Lost in the Long Video Sampling Dilemma?
par: Qu, Tianyuan, et autres
Publié: (2025)
par: Qu, Tianyuan, et autres
Publié: (2025)
LOVE-R1: Advancing Long Video Understanding with an Adaptive Zoom-in Mechanism via Multi-Step Reasoning
par: Fu, Shenghao, et autres
Publié: (2025)
par: Fu, Shenghao, et autres
Publié: (2025)
ChangeDiff: A Multi-Temporal Change Detection Data Generator with Flexible Text Prompts via Diffusion Model
par: Zang, Qi, et autres
Publié: (2024)
par: Zang, Qi, et autres
Publié: (2024)
StreamGVE: Training-Free Video Editing via Few-Step Streaming Video Generation
par: Jiao, Guanlong, et autres
Publié: (2026)
par: Jiao, Guanlong, et autres
Publié: (2026)
Towards A Better Metric for Text-to-Video Generation
par: Wu, Jay Zhangjie, et autres
Publié: (2024)
par: Wu, Jay Zhangjie, et autres
Publié: (2024)
LISA++: An Improved Baseline for Reasoning Segmentation with Large Language Model
par: Yang, Senqiao, et autres
Publié: (2023)
par: Yang, Senqiao, et autres
Publié: (2023)
T2AV-Compass: Towards Unified Evaluation for Text-to-Audio-Video Generation
par: Cao, Zhe, et autres
Publié: (2025)
par: Cao, Zhe, et autres
Publié: (2025)
Unified Language-driven Zero-shot Domain Adaptation
par: Yang, Senqiao, et autres
Publié: (2024)
par: Yang, Senqiao, et autres
Publié: (2024)
MME-CoF-Pro: Evaluating Reasoning Coherence in Video Generative Models with Text and Visual Hints
par: Qi, Yu, et autres
Publié: (2026)
par: Qi, Yu, et autres
Publié: (2026)
DreamOmni3: Scribble-based Editing and Generation
par: Xia, Bin, et autres
Publié: (2025)
par: Xia, Bin, et autres
Publié: (2025)
Like Humans to Few-Shot Learning through Knowledge Permeation of Vision and Text
par: Jia, Yuyu, et autres
Publié: (2024)
par: Jia, Yuyu, et autres
Publié: (2024)
Towards Motion Turing Test: Evaluating Human-Likeness in Humanoid Robots
par: Li, Mingzhe, et autres
Publié: (2026)
par: Li, Mingzhe, et autres
Publié: (2026)
Generative Video Propagation
par: Liu, Shaoteng, et autres
Publié: (2024)
par: Liu, Shaoteng, et autres
Publié: (2024)
GenMAC: Compositional Text-to-Video Generation with Multi-Agent Collaboration
par: Huang, Kaiyi, et autres
Publié: (2024)
par: Huang, Kaiyi, et autres
Publié: (2024)
Alignment is All You Need: A Training-free Augmentation Strategy for Pose-guided Video Generation
par: Jin, Xiaoyu, et autres
Publié: (2024)
par: Jin, Xiaoyu, et autres
Publié: (2024)
SafeSora: Towards Safety Alignment of Text2Video Generation via a Human Preference Dataset
par: Dai, Josef, et autres
Publié: (2024)
par: Dai, Josef, et autres
Publié: (2024)
FlashVideo: A Framework for Swift Inference in Text-to-Video Generation
par: Lei, Bin, et autres
Publié: (2023)
par: Lei, Bin, et autres
Publié: (2023)
LogoSticker: Inserting Logos into Diffusion Models for Customized Generation
par: Zhu, Mingkang, et autres
Publié: (2024)
par: Zhu, Mingkang, et autres
Publié: (2024)
HumanDreamer: Generating Controllable Human-Motion Videos via Decoupled Generation
par: Wang, Boyuan, et autres
Publié: (2025)
par: Wang, Boyuan, et autres
Publié: (2025)
Consistent Human Image and Video Generation with Spatially Conditioned Diffusion
par: Cao, Mingdeng, et autres
Publié: (2024)
par: Cao, Mingdeng, et autres
Publié: (2024)
Mitigating Visual Forgetting via Take-along Visual Conditioning for Multi-modal Long CoT Reasoning
par: Sun, Hai-Long, et autres
Publié: (2025)
par: Sun, Hai-Long, et autres
Publié: (2025)
Documents similaires
-
FFAA: Multimodal Large Language Model based Explainable Open-World Face Forgery Analysis Assistant
par: Huang, Zhengchao, et autres
Publié: (2024) -
AVBench: Human-Aligned and Automated Evaluation Benchmark for Audio-Video Generative Models
par: Yang, Jialiang, et autres
Publié: (2026) -
UnityVideo: Unified Multi-Modal Multi-Task Learning for Enhancing World-Aware Video Generation
par: Huang, Jiehui, et autres
Publié: (2025) -
MagicMirror: ID-Preserved Video Generation in Video Diffusion Transformers
par: Zhang, Yuechen, et autres
Publié: (2025) -
Training-Free Efficient Video Generation via Dynamic Token Carving
par: Zhang, Yuechen, et autres
Publié: (2025)