视频大模型

VABench: A Comprehensive Benchmark for Audio-Video Generation

VABench：音频视频生成的综合性基准

Daili Hua, Xizhi Wang, Bohan Zeng, Xinyi Huang, Hao Liang, Junbo Niu, Xinlong Chen, Quanqing Xu, Wentao Zhang

机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence (Peking University)（北京市数据智能重点实验室（北京大学）） ； Ant Group（蚂蚁集团） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 视频数据与评测 ：video generation(title,abstract)；分类 cs.CV

AI总结 本文提出VABench，一个用于评估同步音频视频生成能力的综合性基准，涵盖三种任务类型和15个评估维度，旨在建立新的评估标准以推动视频生成领域的发展。

Comments 24 pages, 25 figures

Preserving Forgery Artifacts: AI-Generated Video Detection at Native Scale

保留伪造痕迹：在原生尺度上进行AI生成视频检测

Zhengcen Li, Chenyang Jiang, Hang Zhao, Shiyang Zhou, Yunyang Mo, Feng Gao, Fan Yang, Qiben Shan, Shaocong Wu, Jingyong Su

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学） 纠错

专题命中 视频数据与评测 ：video generation(abstract)；分类 cs.CV

AI总结 本文提出在原生尺度上进行AI生成视频检测的新方法，通过构建大规模数据集和新型框架，有效保留高频率伪影和时空不一致特征，提升检测性能。

Comments ICLR 2026 Camera Ready

BoxComm: Benchmarking Category-Aware Commentary Generation and Narration Rhythm in Boxing

BoxComm：基于 boxing 的类别感知评论生成与叙述节奏基准测试

Kaiwen Wang, Kaili Zheng, Rongrong Deng, Yiming Shi, Chenyi Guo, Ji Wu

机构 * Tsinghua University（清华大学） ； Beijing Sport University（北京体育大学） 纠错

专题命中 视频数据与评测 ：video understanding(abstract)；分类 cs.CV

AI总结 本文提出 BoxComm 数据集，包含 445 场世界拳击锦标赛视频及 52000 多条专业评论，通过分类注解和两项新评估方法，解决拳击评论生成中的节奏与类别准确性问题。

UENR-600K: A Large-Scale Physically Grounded Dataset for Nighttime Video Deraining

UENR-600K：一个大规模的物理基础数据集用于夜间视频去雨

Pei Yang, Hai Ci, Beibei Lin, Yiren Song, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show Lab） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 视频数据与评测 ：video generation(abstract)；分类 cs.CV

AI总结 本文提出UENR-600K数据集，通过Unreal Engine模拟真实夜间雨景，解决传统小规模数据无法捕捉物理特性的问题，提升模型在真实夜间雨场景下的泛化能力。

ActivityForensics: A Comprehensive Benchmark for Localizing Manipulated Activity in Videos

活动取证：一种全面的基准，用于定位视频中的篡改活动

Peijun Bao, Anwei Luo, Gang Pan, Alex C. Kot, Xudong Jiang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； Jiangxi Provincial Key Laboratory of Multimedia Intelligent Processing（江西省多媒体智能处理重点实验室） ； Faculty of Engineering, Shenzhen MSU-BIT University（深圳北理莫斯科大学工程系） ； VinUniversity 纠错

专题命中 视频数据与评测 ：video generation(abstract)；分类 cs.CV

AI总结 本文提出ActivityForensics基准，用于定位视频中被篡改的活动。该基准包含6000多个无缝融合的篡改视频片段，并引入了Temporal Artifact Diffuser方法，评估了多种最先进的伪造定位器。

Comments [CVPR 2026] The first benchmark for action-level deepfake localization