LLLMWIKI
正文研究地图阅读入口元数据

实体 · 更新于 2026-07-10

视频编辑理解

#near-cvpr-2025#benchmark#video-editing#evaluation

概述

这一页整理与视频剪辑相关的多层评测坐标。直接的“剪辑理解”指 Vid-LLM 对镜头属性、运动、cut、transition 及其功能的识别与推理；编辑执行、生成质量、人类偏好和形式化满足性分别由其他 benchmark 衡量。把这些坐标分开，才能判断每篇论文实际支持哪一类结论。

这个实体为什么重要

  • 它把视频编辑从“看起来像成功”推进到“能否被系统评价为成功”。
  • 它连接了视频编辑、视频理解与评测设计，是一个很典型的交叉层实体。
  • 随着视频编辑论文增多，这一类 benchmark / evaluator 很可能会从单点工作演化成长期主题。

当前观察到的核心范围

剪辑元素与剪辑语法理解

  • sources/2026-04-12-veu-bench 直接评测通用 Vid-LLM 对镜头属性、运动、cut、transition 的识别、依据推理与功能判断。

编辑执行与结果质量

  • sources/2026-04-14-five-bench 评测细粒度对象级视频编辑是否完成，形成编辑成功率和失败类型的能力画像。它衡量执行结果，低成功率还可能来自生成、反演、控制与时序一致性。

生成视频的感知质量与人类偏好

T2V 形式化满足性

这条实体为什么比最初更厚了

这组论文现在构成四个互补坐标：

  • VEU-Bench 测剪辑元素理解；
  • FiVE-Bench 测细粒度编辑执行结果；
  • AIGV-Assessor 与 Video-Bench 测生成视频质量和人类偏好；
  • NeuS-V 测 T2V 时间逻辑满足性与 evaluator 可信度。

这些分支共同形成评测问题域，同时保留清晰的任务边界。

当前关系网络

证据

当前判断

当前最稳妥的定位是：视频剪辑相关评测已经形成理解、执行、质量与形式化满足性四个互补坐标。VEU-Bench 直接支撑通用 Vid-LLM 的剪辑元素理解缺口，其余工作提供相邻评测背景。

相关页面

元数据
{
  "id": "entity-video-editing-understanding",
  "type": "entity",
  "title": "视频编辑理解",
  "status": "active",
  "created": "2026-04-12",
  "updated": "2026-07-10",
  "tags": [
    "near-cvpr-2025",
    "benchmark",
    "video-editing",
    "evaluation"
  ],
  "entity_type": "benchmark",
  "aliases": [
    "VEU"
  ],
  "related_topics": [
    "topics/video-editing",
    "topics/generative-model-evaluation",
    "topics/video-understanding"
  ],
  "source_notes": [
    "sources/2026-04-12-veu-bench",
    "sources/2026-04-14-five-bench",
    "sources/2026-04-14-aigv-assessor",
    "sources/2026-04-14-video-bench",
    "sources/2026-04-14-neuro-symbolic-eval-t2v"
  ]
}