MSAVBench: 다중 샷 오디오-비디오 생성을 위한 포괄적이고 신뢰할 수 있는 평가를 향하여

연구진은 멀티샷 오디오-비디오 생성을 위한 첫 종합 벤치마크인 MSAVBench를 공개했다.

이 프레임워크는 비디오, 오디오, 샷, 레퍼런스 차원에서 적응형 평가 방법으로 모델을 측정한다.

평가 방식은 더 견고하며 인간 판단과도 높은 일치도를 보여, Spearman 상관도도 높게 나타났다.

결과적으로 최신 모델들의 제어 능력과 오디오-비디오 동기화에서 뚜렷한 한계가 드러났다.