{ "annotation_example_count": 1697, "bench_task_count": 170, "capability_family_count": 9, "capability_leaf_count": 34, "dataset_sample_total": null, "domain_count": 13, "policy": { "metric": "visual_task_completion", "non_core_zh": "评分看任务含义、主要对象与关系、覆盖程度和时间连续性，不要求像素级复刻。不因普通分辨率、编码、线宽、字体、轻微边缘或无语义差别的色调变化扣分；去噪、清晰化、上色等任务本身要求的视觉变化仍是核心。指定文字、计数、答案、左右、因果和动作顺序不能以近似为由忽略。样本中的时刻、身份编号和分支仅在当前Prompt确实适用时使用。", "reference_rule_zh": "完整340任务允许图片、视频及任务所提供的结构化／其他参考信息；Bench170按模型输入范围只使用图片／视频Reference。两者不混用；Target仍不作为模型输入。", "scale": { "1": "未形成有意义的任务结果，或输出根本无关。", "2": "仅零散部分正确，主要操作、对象关系或结果大部分缺失或错误。", "3": "已完成有意义的一部分，意图可辨，但仍有明显覆盖不足、错误关系或时序断裂。", "4": "主要结果已达成且可靠，但局部实质遗漏、错误或不连续仍影响一小部分任务。", "5": "可见任务核心完整、正确且稳定地达成；无实质性错误，不要求与Target像素相同。" }, "target_role": "supervision_and_judge_reference_only_not_model_input" }, "schema": "omni-reason-public-task-catalog", "source": { "domains_sha256": "e25ab72809e90abfe1212e4bc3340f0a1b2cfe9bc69e6531e111f9c904917009", "registry_sha256": "33097f1d3bfa79327d6540503adeddf5e5d0ac0e390bd2bf2f22568e3ea91b5b", "release_id": "task-information-sot-340@2.1.0", "scoring_policy_sha256": "13aef0c7a3c2bc570be6c03dc81ddd9f172e1bdd281393e82dd666c869942ea4", "taxonomy_sha256": "478d86a447aee10c97ce107dd77c23e1ae1990a0fc4d8cf7abaee2dac7954f41" }, "task_count": 340, "tasks": [ { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "在医学影像视频中定位指定解剖结构或病灶，并按类别逐帧分色高亮。", "criteria": [ { "id": "C1", "text_zh": "定位当前Prompt所指的可判读解剖结构或病灶，覆盖其主要可见区域，不明显误标邻近组织。" }, { "id": "C2", "text_zh": "遵循本样本的类别—颜色映射，不要求每帧出现全部类别。" }, { "id": "C3", "text_zh": "区域随切片或心动变化持续对应，允许局部边缘差异，不要求复刻Target的漏标或视野外外推。" }, { "id": "C4", "text_zh": "保留原影像内容、空间关系与序列进程。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_1", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV1", "modality": "tv2v", "name": "promote(task1): unified medical segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在医学影像视频中定位指定解剖结构或病灶，并按类别逐帧分色高亮。重点完成指定解剖区域、类别配色、切片或心动中的区域跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定解剖区域／类别配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定解剖区域；类别配色或切片或心动中的区域跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定解剖区域已部分实现，任务意图可辨；但类别配色或切片或心动中的区域跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定解剖区域、类别配色、切片或心动中的区域跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定解剖区域、类别配色、切片或心动中的区域跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "把驾驶视频转换为只保留交通相关类别、按指定色表编码的黑底语义分割视频。", "criteria": [ { "id": "C1", "text_zh": "输出黑底、纯类别色块的分割视频；未纳入任务的道路、建筑、植被、天空等置黑，不复制、叠加或混入原视频的RGB纹理、光照与反光。" }, { "id": "C2", "text_zh": "按当前指令和类别定义，分割实际出现的车辆、人员、骑行类、交通设施等主要目标；包含车道标线时按要求标注，不凭空增加对象。" }, { "id": "C3", "text_zh": "标签区域与输入对象的位置、尺度和可见轮廓相符，尊重遮挡与画面边界，不以检测框、随意色团或补画的完整被遮挡物体代替可见区域掩码。" }, { "id": "C4", "text_zh": "按当前Prompt指定的色表编码类别，同类同色；不混用其他样例的色表，也不沿用物体原色或交通灯状态代替类别编码。" }, { "id": "C5", "text_zh": "标签序列按输入时序更新，跟随车辆运动、镜头变化及目标进出画面；类别不无故跳变，掩码不冻结、滞留或凭空闪现。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_6", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV6", "modality": "tv2v", "name": "autonomous driving object recognition", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，把驾驶视频转换为只保留交通相关类别、按指定色表编码的黑底语义分割视频。重点完成交通类别与范围、黑底语义色块、跨帧空间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“交通类别与范围／黑底语义色块”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现交通类别与范围；黑底语义色块或跨帧空间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "交通类别与范围已部分实现，任务意图可辨；但黑底语义色块或跨帧空间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "交通类别与范围、黑底语义色块、跨帧空间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "交通类别与范围、黑底语义色块、跨帧空间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "在保留原视频内容与运动的前提下，去除指定的加性噪声或运动模糊。", "criteria": [ { "id": "C1", "text_zh": "清除叠加在主体和背景上的密集噪点，恢复干净画面，不留下大面积明显颗粒。" }, { "id": "C2", "text_zh": "去除运动模糊造成的发虚或拖影，恢复受影响区域的清晰轮廓与可见细节。" }, { "id": "C3", "text_zh": "保留主体身份、物件、背景与已有叠字及其布局和取景，不增删、替换、裁切或引入几何变形。" }, { "id": "C4", "text_zh": "保留原片的色彩、明暗关系、真实纹理与材质，避免明显改色、过度平滑、伪造细节或锐化伪影。" }, { "id": "C5", "text_zh": "保持原帧序、动作轨迹、节奏及镜头运动，修复效果在时间上稳定，不产生冻结、动作跳变或新的闪烁。" } ], "domains_zh": [ "人类活动与交互", "艺术与动画内容", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_9", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV9", "modality": "tv2v", "name": "old film restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留原视频内容与运动的前提下，去除指定的加性噪声或运动模糊。重点完成指定噪声或模糊的去除、真实细节保留、原运动连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定噪声或模糊的去除／真实细节保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定噪声或模糊的去除；真实细节保留或原运动连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定噪声或模糊的去除已部分实现，任务意图可辨；但真实细节保留或原运动连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定噪声或模糊的去除、真实细节保留、原运动连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定噪声或模糊的去除、真实细节保留、原运动连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "在体育视频中逐帧叠加保持身份一致的球员跟踪与运动方向标记。", "criteria": [ { "id": "C1", "text_zh": "标出主要可辨球员的位置与范围，同一球员保持身份，不能持续串人。" }, { "id": "C2", "text_zh": "按当前Prompt分支呈现运动方向、类别及适用的球标记，方向反映近期位移。" }, { "id": "C3", "text_zh": "跨运动和遮挡保持跟随，编号可稳定重映射，不以原标注的偶然ID排序作为正确性门槛。" }, { "id": "C4", "text_zh": "保留比赛过程、镜头和原有内容，不以删段或静止替代跟踪。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_10", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV10", "modality": "tv2v", "name": "sports analysis", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在体育视频中逐帧叠加保持身份一致的球员跟踪与运动方向标记。重点完成球员定位、跨帧身份、近期运动方向，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“球员定位／跨帧身份”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现球员定位；跨帧身份或近期运动方向大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "球员定位已部分实现，任务意图可辨；但跨帧身份或近期运动方向仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "球员定位、跨帧身份、近期运动方向的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "球员定位、跨帧身份、近期运动方向完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "生成输入物体的平滑360°转台视频并保持跨视角一致性。", "criteria": [ { "id": "C1", "text_zh": "完整展示物体绕竖直轴一周的方位变化，覆盖前后与两侧并回到起始朝向附近，不能以少数角度重复或往返摆动代替。" }, { "id": "C2", "text_zh": "各视角均保持输入物体的身份、整体比例、几何形状和部件连接关系，不换物、不增删结构或发生明显非刚性变形。" }, { "id": "C3", "text_zh": "保持物体原有配色分区、纹理、可辨识标记和材质外观，使这些特征稳定附着于对应表面，不随转动漂移、闪变或被替换。" }, { "id": "C4", "text_zh": "各方位维持输入所示的相机俯仰角与拍摄距离，不额外加入镜头推拉、升降或倾斜。" }, { "id": "C5", "text_zh": "各视角以连续自然的转动连接，角度和速度过渡平滑，不通过明显跳切、角度突跳或长时间停滞拼凑一周展示。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_13", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV13", "modality": "tv2v", "name": "novel view generation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，生成输入物体的平滑360°转台视频并保持跨视角一致性。重点完成同一物体身份、完整环绕视角、三维结构与连续转台，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同一物体身份／完整环绕视角”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同一物体身份；完整环绕视角或三维结构与连续转台大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同一物体身份已部分实现，任务意图可辨；但完整环绕视角或三维结构与连续转台仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同一物体身份、完整环绕视角、三维结构与连续转台的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同一物体身份、完整环绕视角、三维结构与连续转台完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "跨帧跟踪网球，并在保留原片的视频中用随动红圈标示球位。", "criteria": [ { "id": "C1", "text_zh": "在网球可见的帧中叠加红色空心圆，圆心对准当前球位，不误跟球员、球拍或其他亮点。" }, { "id": "C2", "text_zh": "网球仍在画内但难辨或被遮挡时，依据前后帧继续定位并画圈；球已出画或确无画内球位时停止画圈，不留下旧位置的圈。" }, { "id": "C3", "text_zh": "除红圈叠加外，保留输入中的网球、人物、球场、观众及原有比分栏、台标等可见内容与空间布局。" }, { "id": "C4", "text_zh": "输出与输入逐帧对应，保持帧数、帧序、时长和时间关系；红圈与当帧球位同步更新，不提前或滞后。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_14", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV14", "modality": "tv2v", "name": "ball tracking", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，跨帧跟踪网球，并在保留原片的视频中用随动红圈标示球位。重点完成同一网球的位置、红圈随动、遮挡和出画处理，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同一网球的位置／红圈随动”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同一网球的位置；红圈随动或遮挡和出画处理大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同一网球的位置已部分实现，任务意图可辨；但红圈随动或遮挡和出画处理仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同一网球的位置、红圈随动、遮挡和出画处理的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同一网球的位置、红圈随动、遮挡和出画处理完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "将有序稀疏室内视角补全为保持原场景的密集相机遍历视频。", "criteria": [ { "id": "C1", "text_zh": "输出从首个观测视角出发，按原顺序经过全部稀疏观测并到达末个视角，各观测均有构图和场景关系一致的对应视角。" }, { "id": "C2", "text_zh": "在相邻观测间沿可见运镜趋势补出中间视角，保持相机运动、视差和遮挡过渡连贯，不以长时间定格、跳切或重影叠化替代遍历。" }, { "id": "C3", "text_zh": "遍历中保持同一室内的可见几何、物体身份与布局、材质和照明，不凭空增删、搬动物体，也不让房间或物体结构随帧变形。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_16", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV16", "modality": "tv2v", "name": "product 360 display", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将有序稀疏室内视角补全为保持原场景的密集相机遍历视频。重点完成室内布局、稀疏视角之间的补全、连贯相机遍历，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“室内布局／稀疏视角之间的补全”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现室内布局；稀疏视角之间的补全或连贯相机遍历大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "室内布局已部分实现，任务意图可辨；但稀疏视角之间的补全或连贯相机遍历仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "室内布局、稀疏视角之间的补全、连贯相机遍历的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "室内布局、稀疏视角之间的补全、连贯相机遍历完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "依据已有台球运动续写后续轨迹，并处理碰壁反弹与球间碰撞。", "criteria": [ { "id": "C1", "text_zh": "承接输入末段的球位、方向和速度趋势生成后续运动，轨迹连续，不重播、重置、瞬移或无因切换球的动静状态。" }, { "id": "C2", "text_zh": "保持输入中的球数、颜色身份和相对大小，沿用同一场地与视角，不增删、复制或互换球体身份。" }, { "id": "C3", "text_zh": "球按输入走势到达可推断的库边时，产生与入射方向及边界关系相符的反弹，碰后继续在原运动范围内运动。" }, { "id": "C4", "text_zh": "球间接触时呈现合理的运动传递或偏转，并延续碰后状态；不互相穿透、融合，也不在未接触时无故相互带动。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_17", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV17", "modality": "tv2v", "name": "billiard trajectory", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据已有台球运动续写后续轨迹，并处理碰壁反弹与球间碰撞。重点完成台球运动延续、碰撞及反弹、球体身份与轨迹连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“台球运动延续／碰撞及反弹”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现台球运动延续；碰撞及反弹或球体身份与轨迹连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "台球运动延续已部分实现，任务意图可辨；但碰撞及反弹或球体身份与轨迹连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "台球运动延续、碰撞及反弹、球体身份与轨迹连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "台球运动延续、碰撞及反弹、球体身份与轨迹连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "对原视频中的人群分布与流动进行动态可视化叠加。", "criteria": [ { "id": "C1", "text_zh": "以输入视频为底图保留原场景、人物与运动过程；叠加后仍能辨认人群及其环境，不替换或重新编排人流。" }, { "id": "C2", "text_zh": "叠加随人群分布更新的密度图层，区分相对密集与稀疏区域；高密度提示应对应人群聚集处，而非无人的背景。" }, { "id": "C3", "text_zh": "头部标记覆盖画面中可辨识的人群，位置贴合头部并随同一人移动，不出现大量漏标、背景误标、持续漂移或频繁串人。" }, { "id": "C4", "text_zh": "对有可观察运动历史的行人显示短时尾迹，反映该人头部近期经过的位置并随运动更新，不跨接不同人物或累积为无关长线。" }, { "id": "C5", "text_zh": "在运动方向可判断时叠加与相应人员关联的方向箭头，朝向与其近期可见位移趋势一致，并随运动方向变化更新。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_20", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV20", "modality": "tv2v", "name": "crowd flow direction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对原视频中的人群分布与流动进行动态可视化叠加。重点完成人群位置与密度、流动方向、动态叠层对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人群位置与密度／流动方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人群位置与密度；流动方向或动态叠层对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人群位置与密度已部分实现，任务意图可辨；但流动方向或动态叠层对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人群位置与密度、流动方向、动态叠层对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人群位置与密度、流动方向、动态叠层对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "在保留可见内容与原有运动的前提下，为视频的遮罩边缘补全场景。", "criteria": [ { "id": "C1", "text_zh": "按输入实际遮罩的位置和范围补出边缘场景，不遗留遮罩黑边或空洞，也不以放大、拉伸或裁切可见画面替代补全。" }, { "id": "C2", "text_zh": "在对应时刻保留输入可见区的主体、物品外观、布局、尺度与画面位置，不因扩画替换、删去或扭曲已有内容。" }, { "id": "C3", "text_zh": "新增区域在物体轮廓、透视、材质与光照上接续可见区，构成同一连贯场景，不出现明显结构断裂、无故复制物体或不相干内容。" }, { "id": "C4", "text_zh": "保持输入的动作顺序、运动节奏和镜头运动；新增边缘与可见区同步变化，跨边界物体的身份和形态连贯，不出现无依据的跳变、消失或闪烁。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_23", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV23", "modality": "tv2v", "name": "video_outpainting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留可见内容与原有运动的前提下，为视频的遮罩边缘补全场景。重点完成缺失边缘场景、结构延续、补全区域的时序一致性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“缺失边缘场景／结构延续”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现缺失边缘场景；结构延续或补全区域的时序一致性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "缺失边缘场景已部分实现，任务意图可辨；但结构延续或补全区域的时序一致性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "缺失边缘场景、结构延续、补全区域的时序一致性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "缺失边缘场景、结构延续、补全区域的时序一致性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将同一机器人操作过程由外部前方视角重建为初始参考图指定的头部相机视角。", "criteria": [ { "id": "C1", "text_zh": "输出以Reference所示的初始头部视野为起点，后续持续呈现同一场景的机器人头部相机视角，而非保留外部机位或仅将画面镜像。" }, { "id": "C2", "text_zh": "保留双臂与灵巧手的身份、结构、各自运动及手指姿态，将外部视角中的执行手正确映射到头部视角，不增删手臂或改变操作分工。" }, { "id": "C3", "text_zh": "在头部视角下正确呈现场景几何与各时刻物体的相对空间关系，保持物体身份、数量、形状及容器结构，不将换视角变成物体替换或布局重排。" }, { "id": "C4", "text_zh": "重现Input实际发生的抓持、释放、搬放、拔出或开盖等交互，保持手物接触及其因果关系；物体状态变化和最终落点、插接或开合状态须与原过程一致。" }, { "id": "C5", "text_zh": "输出覆盖完整输入时段，逐帧保持动作先后、双手相对时序及接触和状态切换的发生时间，运动过程连贯；不得跳步、乱序、循环或变速改写过程。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_24", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV24", "modality": "rv2v", "name": "Reference-Guided Bimanual Robot Exo-to-Head-Ego Translation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，将同一机器人操作过程由外部前方视角重建为初始参考图指定的头部相机视角。重点完成参考头部机位、原机器人操作、新视角下的几何与接触，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考头部机位／原机器人操作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考头部机位；原机器人操作或新视角下的几何与接触大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考头部机位已部分实现，任务意图可辨；但原机器人操作或新视角下的几何与接触仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考头部机位、原机器人操作、新视角下的几何与接触的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考头部机位、原机器人操作、新视角下的几何与接触完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "从交通碰撞起始片段回溯生成紧邻撞击之前的连续视频。", "criteria": [ { "id": "C1", "text_zh": "生成紧邻所指碰撞起点之前的连续过程，按由早到晚排列，不以输入倒放或事后续写代替。" }, { "id": "C2", "text_zh": "保持输入的同一道路布局、昼夜环境、自车记录视角和可辨主体身份，不更换关键车辆或道路设施，不增删已可辨认的事故参与者。" }, { "id": "C3", "text_zh": "相关主体或自车的接近、转向、交汇过程与输入可见的来向、车道和相对方位相容，能够导向同一事故，而不是另造或化解该事故。" }, { "id": "C4", "text_zh": "帧间运动与镜头变化连续可信，末帧的关键主体位置、朝向和视角能自然接续输入开头，无破坏事件关系的瞬移、形体突变或时间跳跃。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_31", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV31", "modality": "tv2v", "name": "causal completion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从交通碰撞起始片段回溯生成紧邻撞击之前的连续视频。重点完成撞击前的原因过程、同一车辆与现场、与后果衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“撞击前的原因过程／同一车辆与现场”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现撞击前的原因过程；同一车辆与现场或与后果衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "撞击前的原因过程已部分实现，任务意图可辨；但同一车辆与现场或与后果衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "撞击前的原因过程、同一车辆与现场、与后果衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "撞击前的原因过程、同一车辆与现场、与后果衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "将视频中主要人物的关节运动转换为与源时序对齐的单人骨架动画。", "criteria": [ { "id": "C1", "text_zh": "将原场景、人物外观和道具替换为中性背景上的骨架，以橙色点表示关节、灰色线段表示骨段，只呈现当前姿态，不绘制运动轨迹或残影。" }, { "id": "C2", "text_zh": "每个镜头仅跟踪主要动作人物，不切换到旁观者；发生遮挡或自遮挡时，保持同一人物及其肢体身份。" }, { "id": "C3", "text_zh": "骨架逐帧对应源人物的姿态和动作阶段，保留可见肢体的屈伸、方向、相对位置及动作先后与节奏，不自行变速、倒序或改编动作。" }, { "id": "C4", "text_zh": "同一镜头内保持稳定、连通的解剖骨架，肩—肘—腕、髋—膝—踝等肢链关系合理，不因运动或遮挡错接、增删肢体或产生非解剖连接。" }, { "id": "C5", "text_zh": "镜头内不无故重置，仅在真实切镜处重新初始化，不跨切点续接骨架或动作；切镜界定的完整镜头若没有可支持的人物，则全镜头只保留空背景。" } ], "domains_zh": [ "体育与运动训练", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_34", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV34", "modality": "tv2v", "name": "motion transfer", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将视频中主要人物的关节运动转换为与源时序对齐的单人骨架动画。重点完成主角关节结构、原动作姿态、骨架动画的时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“主角关节结构／原动作姿态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现主角关节结构；原动作姿态或骨架动画的时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "主角关节结构已部分实现，任务意图可辨；但原动作姿态或骨架动画的时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "主角关节结构、原动作姿态、骨架动画的时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "主角关节结构、原动作姿态、骨架动画的时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将可见光视频转换为场景和时序对应的热成像观测视频。", "criteria": [ { "id": "C1", "text_zh": "输出呈现热成像观测的主体与环境对比，改变可见光色彩、灯光和反射的显影方式，不能只是去色、整体调亮／调暗或反相原片。" }, { "id": "C2", "text_zh": "保留输入的道路走向、关键车辆／行人及建筑、树木等场景结构，使主要对象的轮廓、相对位置和遮挡关系可对应，不任意改换场景或增删关键对象。" }, { "id": "C3", "text_zh": "输出遵循输入的时间顺序，保留相机运动及主体运动、出入画的进程，轮廓和热对比连贯，不以静帧代替视频或出现破坏对应关系的错序、闪跳。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_36", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV36", "modality": "tv2v", "name": "thermal video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将可见光视频转换为场景和时序对应的热成像观测视频。重点完成热成像表现、同一场景结构、热区与时序对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“热成像表现／同一场景结构”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现热成像表现；同一场景结构或热区与时序对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "热成像表现已部分实现，任务意图可辨；但同一场景结构或热区与时序对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "热成像表现、同一场景结构、热区与时序对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "热成像表现、同一场景结构、热区与时序对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将输入视频逐帧转换为保持场景几何和时序对应的伪彩色深度可视化。", "criteria": [ { "id": "C1", "text_zh": "输出同一场景的深度表示，主要物体远近、连续表面和遮挡边界合理。" }, { "id": "C2", "text_zh": "采用当前样本Prompt的深度颜色方向和表现形式，不跨数据源套用同一色表。" }, { "id": "C3", "text_zh": "深度结构随原物体和镜头同步变化，同一表面的颜色尺度稳定。" }, { "id": "C4", "text_zh": "缺测或极远区域可按对应样本的视觉形式表达，不要求复制传感器孔洞或精确距离。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_47", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV47", "modality": "tv2v", "name": "Depth Estimation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将输入视频逐帧转换为保持场景几何和时序对应的伪彩色深度可视化。重点完成场景远近层次、当前Prompt色表、深度边界与运动对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“场景远近层次／当前Prompt色表”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现场景远近层次；当前Prompt色表或深度边界与运动对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "场景远近层次已部分实现，任务意图可辨；但当前Prompt色表或深度边界与运动对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "场景远近层次、当前Prompt色表、深度边界与运动对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "场景远近层次、当前Prompt色表、深度边界与运动对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Annotation, Behavior & Synchronization Correction", "leaf_id": "Q5", "leaf_zh": "标注、行为与同步纠错" }, "core_zh": "按文字要求纠正人物视频中特定运动阶段的姿态、接地关系或动作幅度。", "criteria": [ { "id": "C1", "text_zh": "深蹲下降和底部阶段，双脚脚跟均保持着地，不再抬跟或踮脚。" }, { "id": "C2", "text_zh": "抬起阶段将工作侧大腿抬得更高，使膝部接近髋高，而不是明显停在骨盆下方。" }, { "id": "C3", "text_zh": "V→W 过渡中，左肘和右肘都比输入弯曲更多，不以仅移动手或肩替代双侧屈肘。" }, { "id": "C4", "text_zh": "深蹲底部双膝较输入更直、屈曲更少，同时减小髋部下沉幅度，形成较浅的深蹲。" }, { "id": "C5", "text_zh": "弓步下行和回升时采用较浅的髋部下沉轨迹，且整个弓步中躯干较输入更直立、前倾更少。" }, { "id": "C6", "text_zh": "保持原练习类型与动作顺序，平滑连贯地完成纠正及受控回程，包括回升、放下工作脚或从 W 返回 V，不以定格或姿态突跳替代运动。" }, { "id": "C7", "text_zh": "保持输入中的同一人物、服装、相机视角、光照、背景和整体风格，不通过换人、换景或改镜头来实现动作纠正。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_48", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV48", "modality": "tv2v", "name": "Rehabilitation Exercise Assessment", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字要求纠正人物视频中特定运动阶段的姿态、接地关系或动作幅度。重点完成指定姿态或接地修正、人物身份、修正动作的连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定姿态或接地修正／人物身份”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定姿态或接地修正；人物身份或修正动作的连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定姿态或接地修正已部分实现，任务意图可辨；但人物身份或修正动作的连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定姿态或接地修正、人物身份、修正动作的连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定姿态或接地修正、人物身份、修正动作的连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将单路视频转换为保留内容与时序的同步右眼立体视图。", "criteria": [ { "id": "C1", "text_zh": "生成输入的右眼观察视图，呈现方向合理且随深度变化的立体视差。" }, { "id": "C2", "text_zh": "主体身份、布局和原动作保持，新显露与遮挡符合相邻机位。" }, { "id": "C3", "text_zh": "跨帧视差和几何变化连贯，不用简单整体平移或镜像冒充立体视图。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_62", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV62", "modality": "tv2v", "name": "video depth enhancement", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将单路视频转换为保留内容与时序的同步右眼立体视图。重点完成右眼视差方向、同一场景与动作、新显露和遮挡关系，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“右眼视差方向／同一场景与动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现右眼视差方向；同一场景与动作或新显露和遮挡关系大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "右眼视差方向已部分实现，任务意图可辨；但同一场景与动作或新显露和遮挡关系仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "右眼视差方向、同一场景与动作、新显露和遮挡关系的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "右眼视差方向、同一场景与动作、新显露和遮挡关系完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "利用缺失前后的外观和运动，补回视频中段异常消失的单个物体。", "criteria": [ { "id": "C1", "text_zh": "准确选中中段异常消失的单个物体，在整个应可见的缺失区间补回实体，不漏补、反复消隐或新增副本。" }, { "id": "C2", "text_zh": "补回物体的轮廓、形状、主体颜色和材质延续缺失前后的可见外观，不发生身份替换或明显结构畸变。" }, { "id": "C3", "text_zh": "补入物体的位置、朝向及尺度变化与缺口前后运动合理连续衔接，并与场景的遮挡、接触关系相容，不出现无因跳位或运动突变。" }, { "id": "C4", "text_zh": "除恢复物体所必需的局部合成外，其他物体的外观与运动、背景、该物体缺口外的可见片段、相机运动、构图与原有时序保持不变。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_64", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV64", "modality": "tv2v", "name": "object permanence repair", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，利用缺失前后的外观和运动，补回视频中段异常消失的单个物体。重点完成消失对象的恢复、原身份与路径、缺口两端衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“消失对象的恢复／原身份与路径”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现消失对象的恢复；原身份与路径或缺口两端衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "消失对象的恢复已部分实现，任务意图可辨；但原身份与路径或缺口两端衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "消失对象的恢复、原身份与路径、缺口两端衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "消失对象的恢复、原身份与路径、缺口两端衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "在不改变拍摄内容与运动意图的前提下，对输入视频去抖稳像。", "criteria": [ { "id": "C1", "text_zh": "显著抑制非意图的高频相机抖动，使静态背景的短时运动轨迹平顺，而非仅调整个别帧的位置。" }, { "id": "C2", "text_zh": "保留原有主动运镜的整体方向、景别变化及节奏，不把推进、摇摄或变焦锁成静止镜头。" }, { "id": "C3", "text_zh": "保留原场景、人物和物体的身份、相对关系及主要视觉外观，不新增、删除或替换主要内容。" }, { "id": "C4", "text_zh": "保持原片段时长、事件顺序和主体相对场景的运动及节奏，不以定格、重复帧、删段或变速换取稳定。" }, { "id": "C5", "text_zh": "不因稳像新增黑边或空洞，不靠过度裁切缩窄原视野，主要主体和关键场景不得被裁掉。" }, { "id": "C6", "text_zh": "不因稳像引入明显的拉伸、弯折、果冻摆动、撕裂、重影或闪烁，几何结构和跨帧外观保持自然连贯。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_70", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV70", "modality": "tv2v", "name": "video-stabilization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在不改变拍摄内容与运动意图的前提下，对输入视频去抖稳像。重点完成非预期抖动消除、有意运镜保留、场景和动作保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“非预期抖动消除／有意运镜保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现非预期抖动消除；有意运镜保留或场景和动作保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "非预期抖动消除已部分实现，任务意图可辨；但有意运镜保留或场景和动作保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "非预期抖动消除、有意运镜保留、场景和动作保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "非预期抖动消除、有意运镜保留、场景和动作保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "修复视频中重复冻结的帧位，补全合理连续运动并保留原始有效帧。", "criteria": [ { "id": "C1", "text_zh": "恢复冻结区间内与前后文相容的真实动作进展，不以重复静帧代替。" }, { "id": "C2", "text_zh": "保持同一主体、背景、视点和物体关系。" }, { "id": "C3", "text_zh": "补全运动与两端连续，非冻结区间的内容和事件保持，不以像素复刻为保留标准。" } ], "domains_zh": [ "人类活动与交互", "物体与产品场景", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_91", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV91", "modality": "tv2v", "name": "sparse_frame_motion_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，修复视频中重复冻结的帧位，补全合理连续运动并保留原始有效帧。重点完成冻结区间运动补全、有效内容保留、缺口内外连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“冻结区间运动补全／有效内容保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现冻结区间运动补全；有效内容保留或缺口内外连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "冻结区间运动补全已部分实现，任务意图可辨；但有效内容保留或缺口内外连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "冻结区间运动补全、有效内容保留、缺口内外连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "冻结区间运动补全、有效内容保留、缺口内外连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "在保留场景内容与运动的同时，协调视频前景与原背景的色彩和光照。", "criteria": [ { "id": "C1", "text_zh": "前景的色调、饱和度、亮度与对比度和原背景环境光相容，明显色偏或明暗突兀得到纠正，同时保留合理的材质色差与明暗层次。" }, { "id": "C2", "text_zh": "校正集中于需协调的前景，背景及无关对象基本保持原貌；主体身份、数量、轮廓、可见纹理与空间关系不被破坏，不增删或替换内容。" }, { "id": "C3", "text_zh": "保留输入中的主体动作、交互顺序、移动轨迹与镜头运动，不冻结、重排或另造运动。" }, { "id": "C4", "text_zh": "校正随前景运动持续对应同一对象，跨帧色调与明暗无不合理跳变，不出现破坏协调效果的闪烁、间歇漏调或校正范围漂移。" } ], "domains_zh": [ "人类活动与交互", "体育与运动训练", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_105", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV105", "modality": "tv2v", "name": "video_harmonization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留场景内容与运动的同时，协调视频前景与原背景的色彩和光照。重点完成前景背景的光色协调、原主体与材质、跨帧稳定，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“前景背景的光色协调／原主体与材质”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现前景背景的光色协调；原主体与材质或跨帧稳定大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "前景背景的光色协调已部分实现，任务意图可辨；但原主体与材质或跨帧稳定仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "前景背景的光色协调、原主体与材质、跨帧稳定的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "前景背景的光色协调、原主体与材质、跨帧稳定完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "将输入视频逐帧转换为按指定类别颜色编码、时空对齐的语义分割标签视频。", "criteria": [ { "id": "C1", "text_zh": "依据本样本VSPW类别表，为每帧全画面的像素赋予正确语义类别，覆盖可见物体与背景，而非只分割单一主体或做前景与背景二分。" }, { "id": "C2", "text_zh": "按本样本Prompt的类别—RGB映射生成纯标签帧，只用所列颜色、同类同色，不保留原始RGB纹理或作半透明叠加。" }, { "id": "C3", "text_zh": "标签区域与同一时刻输入中的位置、尺度、可见轮廓和遮挡边界对应，保持构图与场景几何，不发生整体位移、裁切或重排。" }, { "id": "C4", "text_zh": "保留输入帧数、帧序和时间对应；标签随镜头、对象运动及遮挡变化逐帧更新，不出现无依据的类别跳变、掩码闪烁或时间滞后。" } ], "domains_zh": [ "建筑与空间场景", "人类活动与交互", "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_115", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV115", "modality": "tv2v", "name": "video_semantic_segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将输入视频逐帧转换为按指定类别颜色编码、时空对齐的语义分割标签视频。重点完成类别语义、指定颜色编码、原视频空间与时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“类别语义／指定颜色编码”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现类别语义；指定颜色编码或原视频空间与时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "类别语义已部分实现，任务意图可辨；但指定颜色编码或原视频空间与时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "类别语义、指定颜色编码、原视频空间与时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "类别语义、指定颜色编码、原视频空间与时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "将鱼眼视频去畸变为透视视频，同时保留场景内容及时间对应。", "criteria": [ { "id": "C1", "text_zh": "消除显著鱼眼弯曲，使门框、灯带、板框等本应笔直的结构恢复为直线，形成合理透视，而非仅裁切或放大原画面。" }, { "id": "C2", "text_zh": "校正后仍为输入中的同一场景，保留有效视场内物体的身份、可辨结构和空间关系，不无故新增、替换或抹去内容。" }, { "id": "C3", "text_zh": "输出与输入按时间对应，保留前行、转向、俯仰和滚转等拍摄进程的发生顺序与节奏，不重排、冻结、删段或改速。" }, { "id": "C4", "text_zh": "校正后的几何随时间连贯，不在原镜头运动之外引入结构忽弯忽直、局部扭动、尺度呼吸或边缘跳变。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_117", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV117", "modality": "tv2v", "name": "fish-eye video rectification", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将鱼眼视频去畸变为透视视频，同时保留场景内容及时间对应。重点完成鱼眼畸变校正、场景几何、视野和动态保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“鱼眼畸变校正／场景几何”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现鱼眼畸变校正；场景几何或视野和动态保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "鱼眼畸变校正已部分实现，任务意图可辨；但场景几何或视野和动态保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "鱼眼畸变校正、场景几何、视野和动态保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "鱼眼畸变校正、场景几何、视野和动态保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "去除室内视频中的可见雾气，同时保持场景内容与镜头时序不变。", "criteria": [ { "id": "C1", "text_zh": "去除可见雾幕，恢复被雾削弱的轮廓、层次和局部对比度，不能仅靠整体提亮或压暗造成表面变化。" }, { "id": "C2", "text_zh": "保留输入中全部可见场景内容及物体的形状、数量、布局和遮挡关系，不增删、替换或扭曲物体。" }, { "id": "C3", "text_zh": "恢复并保留场景原有色彩、材质纹理和照明明暗关系，不产生明显错色、细节抹除、伪造或过曝、压黑造成的内容丢失。" }, { "id": "C4", "text_zh": "保持原片的取景范围、相机运动、时长、帧顺序与帧时间关系，不裁切改景、重新运镜、跳段或变速。" }, { "id": "C5", "text_zh": "去雾效果在时间上连贯，同一物体的颜色、纹理与边缘随原运动稳定呈现，不额外产生雾量跳变、闪烁或外观漂移。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_121", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV121", "modality": "tv2v", "name": "indoor_video_dehazing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除室内视频中的可见雾气，同时保持场景内容与镜头时序不变。重点完成室内雾气消除、可见场景细节、镜头与动作保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“室内雾气消除／可见场景细节”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现室内雾气消除；可见场景细节或镜头与动作保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "室内雾气消除已部分实现，任务意图可辨；但可见场景细节或镜头与动作保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "室内雾气消除、可见场景细节、镜头与动作保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "室内雾气消除、可见场景细节、镜头与动作保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "消除视频中的运动模糊，并保持原场景及运动过程不变。", "criteria": [ { "id": "C1", "text_zh": "去除运动造成的明显拖影与重影，使受影响的主体和背景恢复清晰轮廓、细线与纹理，而非仅增强对比或制造锐化光晕。" }, { "id": "C2", "text_zh": "保留原有人物、车辆和背景的身份、数量、结构、颜色、纹理及照明关系，不增删、替换物体或编造文字与部件。" }, { "id": "C3", "text_zh": "保留原相机运动轨迹、视角与逐时刻取景，不以防抖、裁切、额外缩放或改变镜头运动来替代去模糊。" }, { "id": "C4", "text_zh": "保留主体运动、遮挡过程、帧序、时长和事件时点，复原后的轮廓与纹理随运动连贯，不新增明显跳变、漂移或闪烁。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_130", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV130", "modality": "tv2v", "name": "Video Deblurring", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，消除视频中的运动模糊，并保持原场景及运动过程不变。重点完成运动模糊消除、真实轮廓细节、原动作时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“运动模糊消除／真实轮廓细节”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现运动模糊消除；真实轮廓细节或原动作时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "运动模糊消除已部分实现，任务意图可辨；但真实轮廓细节或原动作时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "运动模糊消除、真实轮廓细节、原动作时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "运动模糊消除、真实轮廓细节、原动作时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "依据操作指令与已观察片段，续写机器人完成指定桌面物体操作的视频。", "criteria": [ { "id": "C1", "text_zh": "从输入末态继续推进原有机械臂操作，保留桌面场景与未涉操作的物体布局，不以重播输入、重置状态或另起场景代替续演。" }, { "id": "C2", "text_zh": "按指令中的类别、形状、材质和颜色线索选对物体及目标，并在续演中保持其可辨身份，不替换、串换或无故增删。" }, { "id": "C3", "text_zh": "呈现与夹爪接触相联系的抓取、抬升和搬移，物体随机械臂动作产生合理变化，并衔接所需倾倒、转向或放置；不能只靠跳到终态表现完成。" }, { "id": "C4", "text_zh": "执行当前指令要求的抓取、移动、放置、倾倒或堆叠，结果的对象、位置、朝向及相互关系与目标一致。" }, { "id": "C5", "text_zh": "遵守当前指令明确的执行肢体、先后顺序和放置约束，不以相反顺序或错误对象替代。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_131", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV131", "modality": "tv2v", "name": "Robot_table_manipulation_prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据操作指令与已观察片段，续写机器人完成指定桌面物体操作的视频。重点完成指令所选桌面操作、机器人手物接触、终态与衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指令所选桌面操作／机器人手物接触”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指令所选桌面操作；机器人手物接触或终态与衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指令所选桌面操作已部分实现，任务意图可辨；但机器人手物接触或终态与衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指令所选桌面操作、机器人手物接触、终态与衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指令所选桌面操作、机器人手物接触、终态与衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "对户外视频去雾，恢复与原序列时空对齐的清晰场景。", "criteria": [ { "id": "C1", "text_zh": "去除雾化造成的灰白遮挡，恢复近景与背景的可辨性、对比度和层次，而非仅整体压暗画面。" }, { "id": "C2", "text_zh": "恢复原场景的色彩关系和材质纹理，保留原有光照，不以明显偏色、压黑、细节涂抹或虚构纹理换取清晰感。" }, { "id": "C3", "text_zh": "与输入同一时刻保持相同场景内容和空间构图，包括对象身份、数量、姿态、位置及背景结构，不增删、扭曲、裁切或换景。" }, { "id": "C4", "text_zh": "保持原镜头与对象运动、帧序、时长及时间节奏，不跳帧、重排、冻结或变速；去雾处理随时间连贯，不新增闪烁或纹理跳变。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_132", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV132", "modality": "tv2v", "name": "Outdoor Image Dehazing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对户外视频去雾，恢复与原序列时空对齐的清晰场景。重点完成户外去雾、结构和真实色彩、原场景时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“户外去雾／结构和真实色彩”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现户外去雾；结构和真实色彩或原场景时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "户外去雾已部分实现，任务意图可辨；但结构和真实色彩或原场景时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "户外去雾、结构和真实色彩、原场景时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "户外去雾、结构和真实色彩、原场景时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Attention & Gaze Estimation", "leaf_id": "P4", "leaf_zh": "注意与注视估计" }, "core_zh": "预测视频中的观众视觉注意力分布，并以半透明热图叠加到原帧。", "criteria": [ { "id": "C1", "text_zh": "主要高响应区应与当前画面中合理的观众关注对象或事件相符，如面部、手部动作、冲浪者或互动道具，不能只是无视内容的固定热斑。" }, { "id": "C2", "text_zh": "热图与当前视频帧空间对齐，并随主体运动、动作及镜头内容变化更新，不长时间滞留在已无关注依据的位置。" }, { "id": "C3", "text_zh": "以具有可辨强弱层次的热图表达注意力，清楚区分高响应与低响应区域，不能只给出边框、孤立标记或全屏同色滤镜。" }, { "id": "C4", "text_zh": "将热图半透明叠加在原帧上，保留人物、物体、背景、构图及动作时序；覆盖处的原有可见内容仍可辨，不裁去、重绘替换或用不透明色块遮没原场景。" } ], "domains_zh": [ "艺术与动画内容", "人类活动与交互", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_133", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV133", "modality": "tv2v", "name": "Video Saliency Prediction (DHF1K)", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，预测视频中的观众视觉注意力分布，并以半透明热图叠加到原帧。重点完成视觉注意区域、热图强弱分布、随内容变化，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“视觉注意区域／热图强弱分布”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现视觉注意区域；热图强弱分布或随内容变化大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "视觉注意区域已部分实现，任务意图可辨；但热图强弱分布或随内容变化仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "视觉注意区域、热图强弱分布、随内容变化的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "视觉注意区域、热图强弱分布、随内容变化完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "对低照度视频进行保真提亮、色彩细节恢复与降噪。", "criteria": [ { "id": "C1", "text_zh": "将欠曝光区域提升至正常可辨亮度，恢复主体与背景的明暗层次，避免因过度提亮丢失关键结构。" }, { "id": "C2", "text_zh": "恢复场景物体可辨且合理的颜色及色彩差异，不任意改色或以统一滤镜替代原场景色彩。" }, { "id": "C3", "text_zh": "增强暗部可恢复的轮廓、纹理与图案，并抑制噪点和色斑；不得用大面积涂抹或虚构纹理代替细节恢复。" }, { "id": "C4", "text_zh": "保留输入中可辨的物体、形状、图案与文字内容及空间布局，不增删替换物体或重构场景。" }, { "id": "C5", "text_zh": "保持输入的镜头运动、物体运动及原有时序，增强结果在时间上连贯，不新增明显的曝光闪烁、色彩跳变、纹理漂移或拖影。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_135", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV135", "modality": "tv2v", "name": "Low-Light Video Enhancement", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对低照度视频进行保真提亮、色彩细节恢复与降噪。重点完成暗部可见性与降噪、真实颜色细节、跨帧光色一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“暗部可见性与降噪／真实颜色细节”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现暗部可见性与降噪；真实颜色细节或跨帧光色一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "暗部可见性与降噪已部分实现，任务意图可辨；但真实颜色细节或跨帧光色一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "暗部可见性与降噪、真实颜色细节、跨帧光色一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "暗部可见性与降噪、真实颜色细节、跨帧光色一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "将视频转换为逐帧对齐、以固定颜色区分实例的黑底分割掩码视频。", "criteria": [ { "id": "C1", "text_zh": "将主要可见物体区分为独立实例，同类不同物体不合并。" }, { "id": "C2", "text_zh": "每个实例使用可区分且跨帧稳定的身份色，不要求匹配隐藏标注ID或调色板顺序。" }, { "id": "C3", "text_zh": "掩膜覆盖对应可见区域，随运动及遮挡更新，黑底不保留原RGB纹理。" }, { "id": "C4", "text_zh": "保留原场景布局和时间进程，少量边缘或小物遗漏按程度评分。" } ], "domains_zh": [ "交通与出行", "建筑与空间场景", "人类活动与交互", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_144", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV144", "modality": "tv2v", "name": "Video Instance Identity Tracking", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将视频转换为逐帧对齐、以固定颜色区分实例的黑底分割掩码视频。重点完成各物体独立实例、不同身份色、跨帧掩膜跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“各物体独立实例／不同身份色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现各物体独立实例；不同身份色或跨帧掩膜跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "各物体独立实例已部分实现，任务意图可辨；但不同身份色或跨帧掩膜跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "各物体独立实例、不同身份色、跨帧掩膜跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "各物体独立实例、不同身份色、跨帧掩膜跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "依据文字指称在视频中持续跟踪单一目标，并在可见时叠加紧贴目标的红色边界框。", "criteria": [ { "id": "C1", "text_zh": "选择符合文字类别、外观和关系描述的一个目标实例或部件；描述能唯一定位时须选对对象，不以操作者或承载它的整物替代。" }, { "id": "C2", "text_zh": "用一个红色矩形线框紧密包围目标可见范围，位置和大小与目标吻合，不明显遗漏可见部件或无必要地扩大到周围对象。" }, { "id": "C3", "text_zh": "在每个目标仍可见的帧中持续跟随同一实例，包括局部遮挡时；完全遮挡或出画时不留框，重新可见时恢复对同一目标的标注。" }, { "id": "C4", "text_zh": "除目标红框外，保留原视频中的人物、物体、动作、背景、既有文字与镜头运动，不删改画面内容或改变原有时序。" } ], "domains_zh": [ "自然环境与地球观测", "交通与出行", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_150", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV150", "modality": "tv2v", "name": "language_grounded_target_tracking", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据文字指称在视频中持续跟踪单一目标，并在可见时叠加紧贴目标的红色边界框。重点完成文字指定目标、红框定位、身份连续与可见性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“文字指定目标／红框定位”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现文字指定目标；红框定位或身份连续与可见性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "文字指定目标已部分实现，任务意图可辨；但红框定位或身份连续与可见性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "文字指定目标、红框定位、身份连续与可见性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "文字指定目标、红框定位、身份连续与可见性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文字要求在原视频的指定位置添加人物、动物或物件。", "criteria": [ { "id": "C1", "text_zh": "新增当前Prompt指定的人物或物体，并实现其主要外观、数量、位置及附属部件要求。" }, { "id": "C2", "text_zh": "笔记本位于灰毯人物腿上；男子在画面中左侧俯身倚靠厨房台面；鸟群栖于前景岩体；文件和订书机位于桌面左下；白板位于演示者右侧，尺度、支撑及遮挡关系合理。" }, { "id": "C3", "text_zh": "除新增实体产生的合理遮挡和必要局部接触变化外，保留原有人物身份、物件、背景结构、动作进程及镜头运动，不将添加变成删减或全场景重做。" }, { "id": "C4", "text_zh": "新增实体在可见时段维持身份、外观和场景关系，随原镜头或承载对象合理运动，不出现无故消失、闪变、漂移或结构突变。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_151", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV151", "modality": "tv2v", "name": "Instruction-Guided Video Object Addition", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字要求在原视频的指定位置添加人物、动物或物件。重点完成指定新增实体、位置和属性、与场景的遮挡及运动融合，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定新增实体／位置和属性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定新增实体；位置和属性或与场景的遮挡及运动融合大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定新增实体已部分实现，任务意图可辨；但位置和属性或与场景的遮挡及运动融合仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定新增实体、位置和属性、与场景的遮挡及运动融合的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定新增实体、位置和属性、与场景的遮挡及运动融合完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文字指令从视频中移除指定对象或图案，并连续补全删除区域。", "criteria": [ { "id": "C1", "text_zh": "准确定位并完整移除文字指定的对象或图案；并列目标须全部处理，不得误删邻近相似对象，也不能仅用模糊、色块或裁切遮蔽目标。" }, { "id": "C2", "text_zh": "删除区应补成与周围表面和场景结构相容的内容，维持合理的透视、光照及遮挡关系，不留下空洞或显著破坏结构的填补痕迹。" }, { "id": "C3", "text_zh": "保持删除范围外的人物、物体、场景布局及主要动作，延续原片构图与镜头运动，不把局部删除变成无关场景改写。" }, { "id": "C4", "text_zh": "删除与补全须在视频中持续成立，并随镜头、目标位置和遮挡变化稳定更新，不出现目标再现、修补边界漂移或内容突跳。" } ], "domains_zh": [ "建筑与空间场景", "体育与运动训练", "艺术与动画内容", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_152", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV152", "modality": "tv2v", "name": "Instruction-Guided Video Object Removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指令从视频中移除指定对象或图案，并连续补全删除区域。重点完成指定对象消除、空缺背景补全、移除的时序持续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定对象消除／空缺背景补全”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定对象消除；空缺背景补全或移除的时序持续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定对象消除已部分实现，任务意图可辨；但空缺背景补全或移除的时序持续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定对象消除、空缺背景补全、移除的时序持续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定对象消除、空缺背景补全、移除的时序持续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文本描述将视频中指定的人物或物体替换为新实体，并保持其余场景。", "criteria": [ { "id": "C1", "text_zh": "依据提示的位置与外观线索选中正确实体并完成替换；不得错换旁人或其他景物，也不得仅在原实体旁新增目标。" }, { "id": "C2", "text_zh": "替代主体满足当前Prompt规定的身份类别、主要形态、服饰／表面与材质特征。" }, { "id": "C3", "text_zh": "替代实体处于原主体所在区域，保有适合场景的尺度及站立、就坐或固定放置状态，支撑、遮挡和适用的接触关系合理。" }, { "id": "C4", "text_zh": "保留未指定人物及其主要活动、重要物件、环境布局与镜头进程，仅允许替换本体及必要的邻近局部变化，不改写整段场景。" }, { "id": "C5", "text_zh": "替换在视频中持续成立，新实体的身份和关键外观随姿态、视角变化保持一致，位置变化连贯，不回跳为原实体、无故消失或明显漂移。" } ], "domains_zh": [ "人类活动与交互", "艺术与动画内容", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_153", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV153", "modality": "tv2v", "name": "Instruction-Guided Video Object Replacement", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文本描述将视频中指定的人物或物体替换为新实体，并保持其余场景。重点完成正确目标替换、新实体属性、非编辑内容与运动保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“正确目标替换／新实体属性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现正确目标替换；新实体属性或非编辑内容与运动保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "正确目标替换已部分实现，任务意图可辨；但新实体属性或非编辑内容与运动保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "正确目标替换、新实体属性、非编辑内容与运动保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "正确目标替换、新实体属性、非编辑内容与运动保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "按文字指定的艺术风格重绘视频，保留原有内容和动作。", "criteria": [ { "id": "C1", "text_zh": "依当前Prompt，将主体及主要环境整体重绘为黏土定格、Play-Doh彩泥、水彩、霓虹油画或平面矢量卡通中指定的一种风格，不能仅以普通调色替代。" }, { "id": "C2", "text_zh": "主要人物、动物和物件的数量、辨识特征与相对位置能对应输入，保留主要场景结构及互动关系，不以换人、增删关键主体或重置场景代替风格化。" }, { "id": "C3", "text_zh": "保留输入的主要手势、姿态变化、互动顺序和镜头过程，让输出仍表现同一动作过程，不静帧化、倒置事件或凭空改编关键动作。" }, { "id": "C4", "text_zh": "风格特征与主体造型在跨帧中保持连贯，随动作合理变化，不出现破坏主体辨识、场景关系或指定风格的无因突变和漂移。" } ], "domains_zh": [ "物体与产品场景", "艺术与动画内容", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_154", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV154", "modality": "tv2v", "name": "Instruction-Guided Video Stylization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指定的艺术风格重绘视频，保留原有内容和动作。重点完成指定艺术风格、主体内容保持、风格的时间连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定艺术风格／主体内容保持”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定艺术风格；主体内容保持或风格的时间连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定艺术风格已部分实现，任务意图可辨；但主体内容保持或风格的时间连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定艺术风格、主体内容保持、风格的时间连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定艺术风格、主体内容保持、风格的时间连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "根据外观、运动或状态描述定位视频对象，持续分割其可见区域并叠加半透明红色掩膜。", "criteria": [ { "id": "C1", "text_zh": "根据类别、外观、运动方向或状态等描述选中所指的全部实例，排除不符描述的相邻同类、反向车辆和其他无关对象。" }, { "id": "C2", "text_zh": "掩膜贴合每个目标当前的可见轮廓，覆盖可见主体与部件，保留对象间空隙；不填补被遮挡或画外部分，不溢出到其他对象和背景。" }, { "id": "C3", "text_zh": "全片逐帧跟踪所指各实例，掩膜随运动、尺度、姿态与可见性更新，不跳到非目标；进入或再次可见时标注，完全不可见时不残留。" }, { "id": "C4", "text_zh": "在原视频上叠加半透明红色区域掩膜，使目标原有细节仍可透见，而非只给出框、轮廓线或独立掩膜图。" }, { "id": "C5", "text_zh": "除掩膜叠加外，原视频的对象、背景、动作、镜头运动与时序保持不变，不额外新增、移除或重绘内容。" } ], "domains_zh": [ "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_156", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV156", "modality": "tv2v", "name": "motion expression referring segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据外观、运动或状态描述定位视频对象，持续分割其可见区域并叠加半透明红色掩膜。重点完成指称对象定位、红色区域分割、身份跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指称对象定位／红色区域分割”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指称对象定位；红色区域分割或身份跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指称对象定位已部分实现，任务意图可辨；但红色区域分割或身份跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指称对象定位、红色区域分割、身份跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指称对象定位、红色区域分割、身份跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "逐帧识别并跟踪左右手及其交互物体，按身份和类别叠加半透明彩色分割掩码。", "criteria": [ { "id": "C1", "text_zh": "逐帧识别可见左右手，左手叠加蓝色掩码、右手叠加绿色掩码；保持左右身份，不漏掉清晰可辨的局部入画手部。" }, { "id": "C2", "text_zh": "依据持续的手—物交互关系选出相关实体，以红色覆盖每个实体的全部可见区域，而非只标接触点；不将无关邻物一并染色。" }, { "id": "C3", "text_zh": "掩码采用半透明区域叠加并贴合可见轮廓，接触及遮挡处按前后关系分开，保留底层图像信息，不以边框或不透明色块替代。" }, { "id": "C4", "text_zh": "掩码随手和物体的运动、形变、遮挡及进出画持续更新，保持同一实体的颜色与身份，不出现明显漂移、错跟或无故消失。" }, { "id": "C5", "text_zh": "除规定的掩码叠加外，保留输入视频的场景布局、原有动作、相机运动与时序，无关区域不增删、重绘或改色。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_157", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV157", "modality": "tv2v", "name": "hand–object interaction segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，逐帧识别并跟踪左右手及其交互物体，按身份和类别叠加半透明彩色分割掩码。重点完成左右手与交互物、角色身份配色、掩膜及交互同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左右手与交互物／角色身份配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左右手与交互物；角色身份配色或掩膜及交互同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左右手与交互物已部分实现，任务意图可辨；但角色身份配色或掩膜及交互同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左右手与交互物、角色身份配色、掩膜及交互同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左右手与交互物、角色身份配色、掩膜及交互同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "从视频逐帧提取细边界保真、时序稳定的前景灰度 Alpha 蒙版。", "criteria": [ { "id": "C1", "text_zh": "输出灰度 Alpha 视频：纯背景为黑，不透明前景为白，混合覆盖处使用相应灰度，不以原图明暗代替透明度。" }, { "id": "C2", "text_zh": "完整覆盖前景人物、衣物、头发、穿戴配件和可见肢体，避免漏抠或混入背景；双人样本的两人均纳入同一前景层。" }, { "id": "C3", "text_zh": "每一源帧均有对应蒙版，帧顺序和时间节奏不变，前景的画面位置、尺度、姿态及出画裁切与该源帧一致。" }, { "id": "C4", "text_zh": "保留与背景相接的发丝、胡须和耳机线等细结构及真实背景孔隙；软边灰度过渡贴合源画面，不被粗化、填实或明显侵蚀外扩。" }, { "id": "C5", "text_zh": "蒙版随源主体运动和遮挡变化连续更新，不出现源视频没有的轮廓跳变、细线忽隐忽现、透明度闪烁或跟随滞后。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_163", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV163", "modality": "tv2v", "name": "temporal_video_alpha_matting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从视频逐帧提取细边界保真、时序稳定的前景灰度 Alpha 蒙版。重点完成前景Alpha、细边缘与透明过渡、运动跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“前景Alpha／细边缘与透明过渡”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现前景Alpha；细边缘与透明过渡或运动跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "前景Alpha已部分实现，任务意图可辨；但细边缘与透明过渡或运动跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "前景Alpha、细边缘与透明过渡、运动跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "前景Alpha、细边缘与透明过渡、运动跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "从屏摄视频中去除时空摩尔纹，同时保留真实场景内容与原有运动时序。", "criteria": [ { "id": "C1", "text_zh": "消除屏摄造成的彩色条带、波纹及网格状干扰，在平坦区和有纹理区域均不留下显著摩尔纹。" }, { "id": "C2", "text_zh": "保留真实纹理、轮廓和细小结构，不将铺石环纹、球网、枝叶或毛发一并抹去，也不靠整帧模糊隐藏干扰。" }, { "id": "C3", "text_zh": "保持真实物体颜色和明暗层次，去除伪彩及干扰色偏，不引入无依据的整体调色或局部色块。" }, { "id": "C4", "text_zh": "去纹结果跨帧稳定，抑制时变彩纹和闪烁，不在静态背景或运动对象上新增纹理跳变、亮度抽动或拖影。" }, { "id": "C5", "text_zh": "保持场景内容、原有构图、镜头运动及对象动作，维持动作顺序、速度与视频时序，不擅自裁切、扶正、冻结或重排画面。" } ], "domains_zh": [ "交通与出行", "自然环境与地球观测", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_164", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV164", "modality": "tv2v", "name": "screen_video_moire_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从屏摄视频中去除时空摩尔纹，同时保留真实场景内容与原有运动时序。重点完成摩尔纹消除、真实纹理与图文、时序稳定，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“摩尔纹消除／真实纹理与图文”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现摩尔纹消除；真实纹理与图文或时序稳定大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "摩尔纹消除已部分实现，任务意图可辨；但真实纹理与图文或时序稳定仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "摩尔纹消除、真实纹理与图文、时序稳定的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "摩尔纹消除、真实纹理与图文、时序稳定完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "在原视频上叠加跟随人体动作的关节点和骨骼连线，并区分左右肢体及躯干。", "criteria": [ { "id": "C1", "text_zh": "关节点与连线表达可辨人体及主要肢体关节，拓扑和姿态合理。" }, { "id": "C2", "text_zh": "左侧肢体蓝、右侧绿、躯干和头部黄，按身体侧别而非屏幕位置。" }, { "id": "C3", "text_zh": "骨架跟随原动作与人物，不要求精确关节坐标、置信阈值或隐藏点逐点匹配。" }, { "id": "C4", "text_zh": "保留原场景和动作，关键肢体长期错位或左右颠倒仍属核心错误。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_171", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV171", "modality": "tv2v", "name": "human skeleton annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上叠加跟随人体动作的关节点和骨骼连线，并区分左右肢体及躯干。重点完成人体关节拓扑、左右肢体及躯干配色、骨架跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人体关节拓扑／左右肢体及躯干配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人体关节拓扑；左右肢体及躯干配色或骨架跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人体关节拓扑已部分实现，任务意图可辨；但左右肢体及躯干配色或骨架跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人体关节拓扑、左右肢体及躯干配色、骨架跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人体关节拓扑、左右肢体及躯干配色、骨架跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "对指定类别的独立实例进行跨帧去重累计计数，并在原视频上标注初现事件。", "criteria": [ { "id": "C1", "text_zh": "仅统计Prompt指定类别的所有可辨认实例；不同实例分别计入，同一实例持续可见、遮挡后再现或离场返回均不重计。" }, { "id": "C2", "text_zh": "每帧左上角清晰显示截至该帧已出现的独立目标总数；首帧已有目标即计入，之后每首次新增一实例加1，已计对象离场或切镜不减数、不清零。" }, { "id": "C3", "text_zh": "新实例首次出现时，以红色轮廓短暂标出该实例并跟随其可见外形；随后撤去，不对已计入实例重复触发初现提示。" }, { "id": "C4", "text_zh": "除计数角标与短暂轮廓叠加外，保留输入的主体、背景、动作、镜头变化与事件时序，不新增、删除或替换原有内容。" } ], "domains_zh": [ "交通与出行", "人类活动与交互", "自然环境与地球观测", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_181", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV181", "modality": "tv2v", "name": "category_instance_counting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对指定类别的独立实例进行跨帧去重累计计数，并在原视频上标注初现事件。重点完成指定类别累计计数、独立身份去重、初现事件，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定类别累计计数／独立身份去重”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定类别累计计数；独立身份去重或初现事件大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定类别累计计数已部分实现，任务意图可辨；但独立身份去重或初现事件仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定类别累计计数、独立身份去重、初现事件的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定类别累计计数、独立身份去重、初现事件完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "依据首帧遮罩追踪同一对象，并逐帧高亮其可见区域。", "criteria": [ { "id": "C1", "text_zh": "始终以首帧青绿色遮罩选中的单一实例为对象，不因同类靠近、交叉或遮挡而切换身份，也不把同类对象整体标亮。" }, { "id": "C2", "text_zh": "在每个可见帧中，遮罩随对象的位置和姿态变化，贴合并覆盖其可见轮廓；部分遮挡或出画时仍标注剩余可见片段。" }, { "id": "C3", "text_zh": "使用与首帧一致的青绿色半透明遮罩，保留对象可辨的底层纹理，不能用实心涂块、矩形框或整帧滤色替代。" }, { "id": "C4", "text_zh": "对象完全不可见的帧不添加或残留任何高亮，保留该帧原始RGB内容；再次可见时恢复对原对象的标注。" }, { "id": "C5", "text_zh": "除规定遮罩外，保留原场景、其他对象、动作、镜头运动及其时序，不替换画面或删去难追踪片段。" } ], "domains_zh": [ "自然环境与地球观测", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_182", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV182", "modality": "tv2v", "name": "First-Frame-Guided Single-Object Video Segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据首帧遮罩追踪同一对象，并逐帧高亮其可见区域。重点完成首帧指定对象、可见区域高亮、跨帧身份，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“首帧指定对象／可见区域高亮”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现首帧指定对象；可见区域高亮或跨帧身份大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "首帧指定对象已部分实现，任务意图可辨；但可见区域高亮或跨帧身份仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "首帧指定对象、可见区域高亮、跨帧身份的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "首帧指定对象、可见区域高亮、跨帧身份完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "检测单段视频末段与较早画面的地点重叠，并在原片上标示闭环判断及匹配证据。", "criteria": [ { "id": "C1", "text_zh": "依据末段与同一视频较早地点的可辨认视觉重叠，选择闭环或无闭环分支，不跨样本借用匹配证据。" }, { "id": "C2", "text_zh": "末段清楚显示与判定一致的边框和横幅：闭环使用绿色边框及“LOOP CLOSURE”，无闭环使用红色边框及“NO LOOP”。" }, { "id": "C3", "text_zh": "闭环时，右上角须出现从同一输入视频较早匹配帧复制的缩略图，且其可见地点内容能支持末段匹配。" }, { "id": "C4", "text_zh": "除判定覆盖层外，保留原片内容、构图几何、帧序、时长及播放节奏；不裁改底片、重排、变速、分屏或拼入第二视频。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_184", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV184", "modality": "tv2v", "name": "slam_loop_closure_detection", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，检测单段视频末段与较早画面的地点重叠，并在原片上标示闭环判断及匹配证据。重点完成地点重访判断、匹配画面证据、闭环标记，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“地点重访判断／匹配画面证据”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现地点重访判断；匹配画面证据或闭环标记大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "地点重访判断已部分实现，任务意图可辨；但匹配画面证据或闭环标记仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "地点重访判断、匹配画面证据、闭环标记的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "地点重访判断、匹配画面证据、闭环标记完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Annotation, Behavior & Synchronization Correction", "leaf_id": "Q5", "leaf_zh": "标注、行为与同步纠错" }, "core_zh": "依据开头的正确框修正视频中的单目标黄色跟踪框，使其持续贴合原目标。", "criteria": [ { "id": "C1", "text_zh": "以视频开头的正确黄框确定目标，全程保持同一对象身份，不因邻近人物、车辆或动物出现而换目标。" }, { "id": "C2", "text_zh": "黄框的位置和宽高贴合目标在当前帧的范围，随运动、姿态与尺度变化更新，纠正漂移和错误大小。" }, { "id": "C3", "text_zh": "目标可见的每帧均有一个黄色矩形跟踪框；补回漏框并同步随动，不滞后、冻结或无故跳变，也不叠留旧错框。" }, { "id": "C4", "text_zh": "修改仅限于跟踪框的擦除与重绘；原有主体、背景、动作、镜头时序和文字叠加保持不变，擦框不能抹去真实画面内容。" } ], "domains_zh": [ "人类活动与交互", "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_194", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV194", "modality": "tv2v", "name": "tracking_error_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据开头的正确框修正视频中的单目标黄色跟踪框，使其持续贴合原目标。重点完成原目标身份、跟踪框修正、运动与遮挡跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原目标身份／跟踪框修正”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原目标身份；跟踪框修正或运动与遮挡跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原目标身份已部分实现，任务意图可辨；但跟踪框修正或运动与遮挡跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原目标身份、跟踪框修正、运动与遮挡跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原目标身份、跟踪框修正、运动与遮挡跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "依据视频中的青色方框动态裁剪并缩放框内画面，去除引导框且保留原片内容与时序。", "criteria": [ { "id": "C1", "text_zh": "按每时刻青色方框的位置和边长裁出框内区域，等比缩放为方形画面，不以主体居中、全画面缩小或自定选区替代。" }, { "id": "C2", "text_zh": "输出不含可辨识的青色引导框或其边线残迹，不新增取景标记。" }, { "id": "C3", "text_zh": "除移除引导框外，仅进行裁剪和缩放，保留框内原有主体、背景、遮挡与叠字，不增删、替换或重绘场景内容。" }, { "id": "C4", "text_zh": "保留原片的时间顺序、动作节奏和时长，在相应时刻呈现同一场景状态，不额外删减片段、变速、倒放或定格。" }, { "id": "C5", "text_zh": "平稳跟随方框的平移和尺度变化，不引入额外抖动、漂移或取景跳变；主体短暂消失时保持取景稳定，不追向无关主体。" } ], "domains_zh": [ "体育与运动训练", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_195", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV195", "modality": "tv2v", "name": "subject_auto_reframe", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据视频中的青色方框动态裁剪并缩放框内画面，去除引导框且保留原片内容与时序。重点完成青色框内内容、随框裁剪缩放、引导框去除，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“青色框内内容／随框裁剪缩放”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现青色框内内容；随框裁剪缩放或引导框去除大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "青色框内内容已部分实现，任务意图可辨；但随框裁剪缩放或引导框去除仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "青色框内内容、随框裁剪缩放、引导框去除的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "青色框内内容、随框裁剪缩放、引导框去除完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "消除视频中的自动白平衡抽动与色偏闪烁，同时保留真实光照变化。", "criteria": [ { "id": "C1", "text_zh": "消除自动白平衡引起的冷暖抽动和色偏闪烁，使同一照明条件下的场景色调跨帧稳定，不产生新的异常颜色漂移。" }, { "id": "C2", "text_zh": "保留真实照明的明暗、光色变化及场景合理的色彩差异，不靠抹平阴影、反光或整体去色来换取稳定。" }, { "id": "C3", "text_zh": "保持原有人物、器物、环境及画内文字的内容和空间结构，保留原取景，不增删对象、替换背景、造成形变或裁切场景。" }, { "id": "C4", "text_zh": "保持主体动作与镜头运动的轨迹、顺序、速度和事件时点，维持原时长，不以冻结、跳剪、变速或重排来消除色彩波动。" } ], "domains_zh": [ "体育与运动训练", "人类活动与交互", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_197", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV197", "modality": "tv2v", "name": "Temporal Auto-White-Balance Pumping Correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，消除视频中的自动白平衡抽动与色偏闪烁，同时保留真实光照变化。重点完成白平衡闪动消除、真实光照变化保留、稳定主体颜色，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“白平衡闪动消除／真实光照变化保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现白平衡闪动消除；真实光照变化保留或稳定主体颜色大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "白平衡闪动消除已部分实现，任务意图可辨；但真实光照变化保留或稳定主体颜色仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "白平衡闪动消除、真实光照变化保留、稳定主体颜色的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "白平衡闪动消除、真实光照变化保留、稳定主体颜色完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "对低清行车记录视频进行保真超分辨率修复，在提升清晰度的同时保留原有内容与时序。", "criteria": [ { "id": "C1", "text_zh": "输出比输入明显清晰，路面标线、车身轮廓及街景中可恢复的细节更易分辨，而非仅把模糊画面放大。" }, { "id": "C2", "text_zh": "保留原视野、构图、对象和空间关系，不增删或替换车辆、行人、标线、建筑等可见内容，也不抹去车头及反光等原有前景。" }, { "id": "C3", "text_zh": "保留原物体颜色、交通信号状态及光照明暗关系，不把白天或低照度场景改色、重新打光或转换昼夜。" }, { "id": "C4", "text_zh": "保留原片时长、镜头运动和车辆、行人的动作轨迹、速度及发生时刻，不截短、重排或变速。" }, { "id": "C5", "text_zh": "增强后的轮廓与纹理随原运动稳定延续，不新增明显闪烁、重影、边缘游移或局部形变。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_198", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV198", "modality": "tv2v", "name": "Dashcam Video Super-Resolution", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对低清行车记录视频进行保真超分辨率修复，在提升清晰度的同时保留原有内容与时序。重点完成清晰结构恢复、文字和物体保真、行车时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“清晰结构恢复／文字和物体保真”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现清晰结构恢复；文字和物体保真或行车时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "清晰结构恢复已部分实现，任务意图可辨；但文字和物体保真或行车时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "清晰结构恢复、文字和物体保真、行车时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "清晰结构恢复、文字和物体保真、行车时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "去除 H.264 视频压缩伪影，同时保持原画面内容与时序。", "criteria": [ { "id": "C1", "text_zh": "输入中可见的块状失真、边缘振铃及色带得到有效消除，且不引入新的压缩状伪影。" }, { "id": "C2", "text_zh": "保持原场景、视角、构图及物体身份、数量和相对位置，保留可辨文字、边缘与真实纹理，不增删、变形物体或过度平滑细节。" }, { "id": "C3", "text_zh": "保留原有物体颜色、明暗层次及光照关系，不以整体调色、改曝光或移除原有眩光和反射替代去伪影。" }, { "id": "C4", "text_zh": "保持原有镜头与物体运动、帧顺序和时间节奏，不丢帧、重复帧、补帧或变速，并避免修复引入的闪烁与拖影。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_199", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV199", "modality": "tv2v", "name": "Dashcam Video Compression Artifact Removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除 H.264 视频压缩伪影，同时保持原画面内容与时序。重点完成压缩伪影消除、真实画面细节、运动保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“压缩伪影消除／真实画面细节”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现压缩伪影消除；真实画面细节或运动保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "压缩伪影消除已部分实现，任务意图可辨；但真实画面细节或运动保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "压缩伪影消除、真实画面细节、运动保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "压缩伪影消除、真实画面细节、运动保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "依据动作提示，把给定视频开头续写为物理连贯的同场景后续。", "criteria": [ { "id": "C1", "text_zh": "后续从输入末尾的对象位置、手部姿态和动作阶段自然接续，不以重播、状态重置或无关切镜替代续写。" }, { "id": "C2", "text_zh": "实现对应提示的动作：毯子掩盖黑色册状物；胶瓶旋转后很快停下；柠檬在平面滚动；游戏盒向控制器靠近；手电筒持续被手握在镜前。" }, { "id": "C3", "text_zh": "手物接触、支撑和运动过程可信，不出现违背动作因果的瞬移、穿插；相应场景中的覆盖有合理遮挡，滚动伴随转动，镜中手电及持握动作与实物对应。" }, { "id": "C4", "text_zh": "原场景布局、主要物体身份与外观结构、可见人物和手部保持一致，相机视角延续输入；变化应能由动作或自然拍摄运动解释。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_234", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV234", "modality": "tv2v", "name": "action_conditioned_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据动作提示，把给定视频开头续写为物理连贯的同场景后续。重点完成指定后续动作、同一场景主体、物理连续衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定后续动作／同一场景主体”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定后续动作；同一场景主体或物理连续衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定后续动作已部分实现，任务意图可辨；但同一场景主体或物理连续衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定后续动作、同一场景主体、物理连续衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定后续动作、同一场景主体、物理连续衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "将起点引导的跳步涂鸦过程补全为连贯的逐笔绘制动画。", "criteria": [ { "id": "C1", "text_zh": "首笔从输入起点标记所指的位置开始，不从另一处重新起画。" }, { "id": "C2", "text_zh": "补齐跳步间缺失的绘制状态，使落笔期间的线端沿既有路径连续延展，不以整段闪现、静帧跳切或整幅淡入替代绘制。" }, { "id": "C3", "text_zh": "保持输入可辨识的笔画先后和笔画内推进方向，不重排已知绘制阶段，或让本应后画的部分提前出现。" }, { "id": "C4", "text_zh": "保留输入可判定的每次抬笔边界，换位时不添连接线，不把原本独立的笔画合成连续落笔。" }, { "id": "C5", "text_zh": "保持输入可辨识的相对绘制速度和段间耗时关系，不把快慢变化任意统一成匀速，也不明显扭曲停笔节奏。" }, { "id": "C6", "text_zh": "最终保留输入终态的笔画组成、位置比例、轮廓走向、交叉及开口关系；绘制中已完成的线条不漂移、消失或被改画。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_238", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV238", "modality": "tv2v", "name": "handwritten_character_stroke_order_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将起点引导的跳步涂鸦过程补全为连贯的逐笔绘制动画。重点完成原线稿笔画、缺失绘制过程、逐笔累积，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原线稿笔画／缺失绘制过程”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原线稿笔画；缺失绘制过程或逐笔累积大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原线稿笔画已部分实现，任务意图可辨；但缺失绘制过程或逐笔累积仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原线稿笔画、缺失绘制过程、逐笔累积的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原线稿笔画、缺失绘制过程、逐笔累积完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "依据文档的自然版面结构，按指定类别顺序累积显示区域框和计数图例。", "criteria": [ { "id": "C1", "text_zh": "按自然版面区分标题、文段、图片、表格等当前Prompt类别。" }, { "id": "C2", "text_zh": "区域框覆盖对应内容且类别色正确，不因日期等边界细分的合理差异判核心失败。" }, { "id": "C3", "text_zh": "按指定类别顺序累积显示框和相应计数图例，计数与实际画出的区域自洽。" }, { "id": "C4", "text_zh": "保留原文档文字、内容与布局，不要求复刻发布方拆段边界。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_239", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV239", "modality": "tv2v", "name": "document_layout_role_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据文档的自然版面结构，按指定类别顺序累积显示区域框和计数图例。重点完成文档自然版面类别、类别色和累积顺序、文档及计数图例，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“文档自然版面类别／类别色和累积顺序”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现文档自然版面类别；类别色和累积顺序或文档及计数图例大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "文档自然版面类别已部分实现，任务意图可辨；但类别色和累积顺序或文档及计数图例仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "文档自然版面类别、类别色和累积顺序、文档及计数图例的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "文档自然版面类别、类别色和累积顺序、文档及计数图例完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "由历史VIL雷达序列预测未来一小时的回波运动与形态强度演变。", "criteria": [ { "id": "C1", "text_zh": "输出12个按时间排序的未来VIL雷达状态，分别对应输入末帧后的+5、+10至+60分钟，而非重放历史或在历史帧之间插值。" }, { "id": "C2", "text_zh": "所有预测帧保持输入雷达场的固定覆盖区域、空间网格配准与朝向，不用画面平移、旋转或缩放改变其空间坐标。" }, { "id": "C3", "text_zh": "主要回波或回波带在各预报时刻的位置、移动方向及位移幅度与相应未来监督状态相符，并按时序承接输入末态。" }, { "id": "C4", "text_zh": "预测的回波轮廓、覆盖范围和强弱变化应符合对应未来状态，体现适用的增长、衰减与重组；发生单体分裂或合并时，应表现相应结构演变，而非仅平移末帧。" }, { "id": "C5", "text_zh": "沿用输入的VIL类别色标，保持背景、弱回波与强核的颜色—强度对应，不能任意换色或颠倒类别强弱关系。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_242", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV242", "modality": "tv2v", "name": "radar_precipitation_nowcasting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，由历史VIL雷达序列预测未来一小时的回波运动与形态强度演变。重点完成未来雷达回波、主要位置强弱及形态、时空演变，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“未来雷达回波／主要位置强弱及形态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现未来雷达回波；主要位置强弱及形态或时空演变大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "未来雷达回波已部分实现，任务意图可辨；但主要位置强弱及形态或时空演变仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "未来雷达回波、主要位置强弱及形态、时空演变的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "未来雷达回波、主要位置强弱及形态、时空演变完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "对文字指定类别的全部视频实例逐帧加框，并用固定颜色和编号维持身份。", "criteria": [ { "id": "C1", "text_zh": "实例选择覆盖提示所指类别的所有可见对象，且不为其他类别对象添加跟踪标注。" }, { "id": "C2", "text_zh": "每个目标在每个可见帧均有独立边界框，框合理包围其可见范围并随位置、尺度变化更新；目标不可见时不残留空框。" }, { "id": "C3", "text_zh": "每个实例在同一视频内有独有颜色和清晰数字编号，跨帧始终对应同一对象；若实例出画后重现，继续使用原颜色和编号。" }, { "id": "C4", "text_zh": "除叠加边界框和对应编号外，原片的人物、物品、背景、动作、镜头运动及时间顺序保持不变。" } ], "domains_zh": [ "人类活动与交互", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_248", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV248", "modality": "tv2v", "name": "category_conditioned_multi_object_tracking", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对文字指定类别的全部视频实例逐帧加框，并用固定颜色和编号维持身份。重点完成指定类别实例覆盖、固定身份色与编号、跨帧框定位，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定类别实例覆盖／固定身份色与编号”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定类别实例覆盖；固定身份色与编号或跨帧框定位大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定类别实例覆盖已部分实现，任务意图可辨；但固定身份色与编号或跨帧框定位仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定类别实例覆盖、固定身份色与编号、跨帧框定位的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定类别实例覆盖、固定身份色与编号、跨帧框定位完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "以初始腕相机图像为锚点，将机器人操作视频从外部视角转换为同一过程的同步腕部视角。", "criteria": [ { "id": "C1", "text_zh": "输出以参考图所示的初始腕相机视点起步，夹爪构型、观察方向及可见物体布局与参考一致。" }, { "id": "C2", "text_zh": "后续视点随机器人腕部运动，夹爪与相机保持合理安装关系，背景的平移、旋转及尺度变化与腕部动作对应；不能以外部画面裁切或静态参考图替代。" }, { "id": "C3", "text_zh": "保留同一片段中机器人的接近路径、夹指开合、接触对象及物体被带动的状态，不新增、漏掉或替换操作。" }, { "id": "C4", "text_zh": "保持可见场景与对象的身份、形状和空间关系，按腕视角呈现对应透视、相对尺度与遮挡，不因换视点而出现无依据的位置跳变、结构扭曲或物体增删。" }, { "id": "C5", "text_zh": "输出沿用输入的时间轴，同一时刻对应同一动作阶段，动作顺序、速度及关键交互时刻逐帧同步，不任意提前、延后、重复或跳过阶段。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_251", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV251", "modality": "rv2v", "name": "Real Robot Cross-View Translation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，以初始腕相机图像为锚点，将机器人操作视频从外部视角转换为同一过程的同步腕部视角。重点完成参考腕部视角、同一机器人操作、同步空间重建，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考腕部视角／同一机器人操作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考腕部视角；同一机器人操作或同步空间重建大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考腕部视角已部分实现，任务意图可辨；但同一机器人操作或同步空间重建仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考腕部视角、同一机器人操作、同步空间重建的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考腕部视角、同一机器人操作、同步空间重建完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "为行车视频中近处可辨车辆叠加跟踪框、动静状态及速度变化提示。", "criteria": [ { "id": "C1", "text_zh": "标注近处可辨车辆，不把无法清楚辨认的极小远车作为硬性全覆盖要求。" }, { "id": "C2", "text_zh": "框与车辆位置尺度对应，身份跨帧稳定。" }, { "id": "C3", "text_zh": "停走状态、运动方向和速度读数趋势与可见车辆运动相符，并考虑相机运动。" }, { "id": "C4", "text_zh": "保留原驾驶过程，不要求面积或重叠阈值、精确车速与隐藏标注集逐项相同。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_252", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV252", "modality": "tv2v", "name": "vehicle_motion_state_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为行车视频中近处可辨车辆叠加跟踪框、动静状态及速度变化提示。重点完成近处可辨车辆、动静状态与速度趋势、框和身份跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“近处可辨车辆／动静状态与速度趋势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现近处可辨车辆；动静状态与速度趋势或框和身份跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "近处可辨车辆已部分实现，任务意图可辨；但动静状态与速度趋势或框和身份跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "近处可辨车辆、动静状态与速度趋势、框和身份跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "近处可辨车辆、动静状态与速度趋势、框和身份跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将视频逐帧转换为保持原时空对应关系的稠密伪彩深度图。", "criteria": [ { "id": "C1", "text_zh": "为每帧整幅场景生成稠密深度图，物体前后层次、遮挡边界和表面深度变化与可见几何相符，而非仅复制原始纹理或统一调色。" }, { "id": "C2", "text_zh": "全片共用固定的深度—颜色映射，暖色表示较近、冷色表示较远；不得逐帧重置色标或反转远近色义。" }, { "id": "C3", "text_zh": "无有效深度的像素渲染为黑色；不能仅因物体原本呈黑色，就把具有可估计深度的物体区域置为无效。" }, { "id": "C4", "text_zh": "输出与输入逐帧对应，保持原视角、构图、画幅方向及物体位置；镜头运动和场景变化按原时序同步反映在深度图中，不漏帧、错序或替换内容。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_254", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV254", "modality": "tv2v", "name": "depth_map_video_rendering", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将视频逐帧转换为保持原时空对应关系的稠密伪彩深度图。重点完成稠密深度层次、轮廓遮挡、稳定伪彩与时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“稠密深度层次／轮廓遮挡”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现稠密深度层次；轮廓遮挡或稳定伪彩与时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "稠密深度层次已部分实现，任务意图可辨；但轮廓遮挡或稳定伪彩与时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "稠密深度层次、轮廓遮挡、稳定伪彩与时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "稠密深度层次、轮廓遮挡、稳定伪彩与时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "为行车视频中近处可辨车辆叠加三维框、停走状态与速度变化信息。", "criteria": [ { "id": "C1", "text_zh": "用有向三维长方体框标出近处可辨车辆，静止及运动车辆均可纳入。" }, { "id": "C2", "text_zh": "框的朝向、位置与尺度随对象和镜头变化，不以二维框或背景标记代替。" }, { "id": "C3", "text_zh": "停走状态和速度变化与可见运动大致相符，读数、配色和框互相对应。" }, { "id": "C4", "text_zh": "保留原行车过程，少量近车的正确标注可得部分分，但高分仍要求主要车辆及动态覆盖。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_255", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV255", "modality": "tv2v", "name": "vehicle_motion_state_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为行车视频中近处可辨车辆叠加三维框、停走状态与速度变化信息。重点完成近处车辆三维框、停走与速度趋势、动态空间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“近处车辆三维框／停走与速度趋势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现近处车辆三维框；停走与速度趋势或动态空间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "近处车辆三维框已部分实现，任务意图可辨；但停走与速度趋势或动态空间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "近处车辆三维框、停走与速度趋势、动态空间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "近处车辆三维框、停走与速度趋势、动态空间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "依据参考标注，逐帧可视化行驶视频中的车道中心线及前后继关系，并保持跨帧车道身份。", "criteria": [ { "id": "C1", "text_zh": "逐帧绘制输入与参考可确定的各车道段中心线，覆盖直行、转弯等可辨结构，数量、位置和走向与车道相符，而非仅描画道路边界或自车路径。" }, { "id": "C2", "text_zh": "在可确定的前后继接点，用短箭头从车道段末端指向后继段起点，正确表达相应直行、转弯连接，不将单纯的几何交叉误标为连接。" }, { "id": "C3", "text_zh": "延续参考中可辨认的车道段与颜色对应；同一车道段跨帧保持身份和颜色，标注随视角更新，不无故消失、串道或明显漂移。" }, { "id": "C4", "text_zh": "除中心线和连接箭头外，保留原视频的场景外观、人物车辆、道路与建筑，以及相机运动和事件时序，不替换、增删或重构原场景。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_256", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV256", "modality": "rv2v", "name": "lane_topology_annotation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据参考标注，逐帧可视化行驶视频中的车道中心线及前后继关系，并保持跨帧车道身份。重点完成车道中心线、前后继拓扑、跨帧车道身份，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“车道中心线／前后继拓扑”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现车道中心线；前后继拓扑或跨帧车道身份大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "车道中心线已部分实现，任务意图可辨；但前后继拓扑或跨帧车道身份仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "车道中心线、前后继拓扑、跨帧车道身份的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "车道中心线、前后继拓扑、跨帧车道身份完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Structure-conditioned Visual Reconstruction", "leaf_id": "X4", "leaf_zh": "结构条件视觉重建" }, "core_zh": "依据RGB首帧外观和灰底机器人运动视频，重建包含对应物体交互的完整RGB视频。", "criteria": [ { "id": "C1", "text_zh": "将灰色遮罩区域补全为完整RGB场景，主要对象的身份、可辨认颜色、形状及初始布局与Reference相符，并沿用原相机视角。" }, { "id": "C2", "text_zh": "重建与Input保持同一时间进程的完整片段，机械臂姿态、末端位置与朝向、夹爪开合及动作节奏与Input对应，不擅自重排或增减动作。" }, { "id": "C3", "text_zh": "按对应Prompt呈现改变物体位姿、物体进出容器、持杯倾倒颗粒、滑动物体开合或按钮按压，操作对象、方向和状态变化须与Reference初态及Input轨迹相容。" }, { "id": "C4", "text_zh": "在适用阶段正确呈现机器人与物体的接触、抓持随动、释放和遮挡，物体身份与状态变化连贯，不出现改变交互含义的穿透、脱离或瞬移。" }, { "id": "C5", "text_zh": "Reference中可见且未参与交互的背景与物体保留原有身份、布局和状态，不引入无关运动、增删物品、转场或额外镜头变化。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_261", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV261", "modality": "rv2v", "name": "masked_visual_action_conditioned_video_generation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据RGB首帧外观和灰底机器人运动视频，重建包含对应物体交互的完整RGB视频。重点完成首帧物体外观、灰底机器人动作、完整场景与交互，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“首帧物体外观／灰底机器人动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现首帧物体外观；灰底机器人动作或完整场景与交互大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "首帧物体外观已部分实现，任务意图可辨；但灰底机器人动作或完整场景与交互仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "首帧物体外观、灰底机器人动作、完整场景与交互的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "首帧物体外观、灰底机器人动作、完整场景与交互完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "3D Shape & Pose", "leaf_id": "G4", "leaf_zh": "三维形状与位姿" }, "core_zh": "对提示指定的唯一物体进行跨帧跟踪，并叠加按可见性裁剪的红色有向三维包围盒。", "criteria": [ { "id": "C1", "text_zh": "仅对提示指定类别的唯一实例加框，不错选其他物体，也不同时标注无关对象。" }, { "id": "C2", "text_zh": "以清晰红色线框呈现有向三维包围盒，投影的位置、尺度、朝向及透视与所选物体相符，不以任意二维圈选或轮廓描边代替。" }, { "id": "C3", "text_zh": "框始终对应同一物体，随镜头视角与目标投影同步变化，相对物体的包围范围保持连贯，不出现明显漂移、跳变或无依据闪烁。" }, { "id": "C4", "text_zh": "仅绘制可见且有空间、深度线索支持的框边；物体完全遮挡或完全出画时不显示框，重新可见且有受支持框边时恢复标注。" }, { "id": "C5", "text_zh": "除必要框线叠加外，保留输入画面的场景、物体外观与位置，以及原有镜头运动和时间顺序，不增删或改造其他内容。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_263", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV263", "modality": "tv2v", "name": "prompt_guided_single_object_3d_grounding", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对提示指定的唯一物体进行跨帧跟踪，并叠加按可见性裁剪的红色有向三维包围盒。重点完成指定物体身份、有向三维框、可见性和透视跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定物体身份／有向三维框”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定物体身份；有向三维框或可见性和透视跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定物体身份已部分实现，任务意图可辨；但有向三维框或可见性和透视跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定物体身份、有向三维框、可见性和透视跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定物体身份、有向三维框、可见性和透视跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "在原视频中逐帧分割可见的实体机器人并以绿色高亮。", "criteria": [ { "id": "C1", "text_zh": "输出视频在原画面上以清晰可辨的绿色区域高亮标识机器人，而非仅输出定位框或脱离原场景的独立掩膜。" }, { "id": "C2", "text_zh": "覆盖全部可见机器人部件，包括臂体、关节、夹爪、可见基座及实际附接线缆，不能只覆盖主体或显眼部位。" }, { "id": "C3", "text_zh": "只高亮当帧可见的实体机器人像素，不含人员、抓取物、家具、轨道、屏幕、印刷机器人图像、反射或阴影；不填充部件间背景空隙，也不补绘被遮住或画外的机器人。" }, { "id": "C4", "text_zh": "高亮随机器人位置和姿态同步更新，随真实遮挡及出入画面增减，不出现脱离实体的漂移、残留或无故跳闪。" }, { "id": "C5", "text_zh": "保持输入的场景、构图、视角变化、各物体原始运动、帧序和时长；除机器人高亮外，不重绘、移动、增删或改色任何非机器人区域。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_264", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV264", "modality": "tv2v", "name": "robot_masked_action_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频中逐帧分割可见的实体机器人并以绿色高亮。重点完成可见机器人区域、绿色掩膜、原场景与运动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“可见机器人区域／绿色掩膜”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现可见机器人区域；绿色掩膜或原场景与运动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "可见机器人区域已部分实现，任务意图可辨；但绿色掩膜或原场景与运动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "可见机器人区域、绿色掩膜、原场景与运动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "可见机器人区域、绿色掩膜、原场景与运动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "在保持原片内容与时序的同时，修复视频底部的磁头切换噪声和不稳定撕裂带。", "criteria": [ { "id": "C1", "text_zh": "清除画面底部的磁头切换式水平噪纹、横向错位和波浪状撕裂带，而非仅降低干扰的对比度。" }, { "id": "C2", "text_zh": "受损带内的景物轮廓与可辨纹理恢复自然，门框、床沿、器皿等结构与邻域连续，不出现明显涂抹、拉伸、重复块或虚构物体。" }, { "id": "C3", "text_zh": "保持原场景及人物、物体的身份与布局，保留原取景范围和色彩；不通过裁底、放大重取景或添加遮挡带隐藏缺陷。" }, { "id": "C4", "text_zh": "保持原片时长、动作顺序与节奏及镜头运动，底部修复随内容连续更新，不新增闪烁、局部跳动、冻结或时间跳跃。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_266", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV266", "modality": "tv2v", "name": "analog_head_switching_noise_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持原片内容与时序的同时，修复视频底部的磁头切换噪声和不稳定撕裂带。重点完成底部磁头噪声修复、场景内容恢复、不稳定撕裂消除，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“底部磁头噪声修复／场景内容恢复”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现底部磁头噪声修复；场景内容恢复或不稳定撕裂消除大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "底部磁头噪声修复已部分实现，任务意图可辨；但场景内容恢复或不稳定撕裂消除仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "底部磁头噪声修复、场景内容恢复、不稳定撕裂消除的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "底部磁头噪声修复、场景内容恢复、不稳定撕裂消除完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "在保留原场景与初始状态的前提下，将机器人的多步操作重排为指定的先后顺序。", "criteria": [ { "id": "C1", "text_zh": "各操作严格按提示给定的顺序逐项发生，上一项完成后再执行下一项；不能只复现相同终态或沿用输入顺序。" }, { "id": "C2", "text_zh": "机器人完整执行指定的LED或灯泡开关、开抽屉、移动滑动门或推粉色块操作；对象、左右方向和完成结果正确，不遗漏、替换或增添任务动作。" }, { "id": "C3", "text_zh": "沿用输入的初始机械臂姿态、物体布局和各部件状态，并保留原相机视角、场景结构及物体身份，不以预先完成的状态代替操作。" }, { "id": "C4", "text_zh": "动作间连贯承接已产生的灯光、抽屉、滑动门和积木状态，不无因复位或瞬移；保留单项操作的可见接触方式及物体响应，不因重排引入无关行为。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:S-269", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TVtv2v:S-269", "modality": "tv2v", "name": "temporal_rewrite", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留原场景与初始状态的前提下，将机器人的多步操作重排为指定的先后顺序。重点完成指定动作顺序、同一机器人场景、重排后的物体状态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定动作顺序／同一机器人场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定动作顺序；同一机器人场景或重排后的物体状态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定动作顺序已部分实现，任务意图可辨；但同一机器人场景或重排后的物体状态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定动作顺序、同一机器人场景、重排后的物体状态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定动作顺序、同一机器人场景、重排后的物体状态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "依据首帧黄点锁定单个物体，跨帧分割其可见区域并叠加半透明红色掩膜。", "criteria": [ { "id": "C1", "text_zh": "依据首帧黄点选中唯一目标，运动、交叉遮挡或相似物体出现后仍保持该实例身份，不切换或扩展到其他实例。" }, { "id": "C2", "text_zh": "掩膜覆盖目标全部可见区域并贴合轮廓，排除背景、遮挡者和其他对象；被遮挡或画外的部分不补全。" }, { "id": "C3", "text_zh": "目标可见的帧持续标注；完全不可见时不留掩膜，之后重现时恢复同一目标的标注。" }, { "id": "C4", "text_zh": "以半透明红色填充掩膜原位叠加在目标上，仍可辨认其原有细节，不能仅用点、边框或整幅着色替代。" }, { "id": "C5", "text_zh": "除目标掩膜外，保留原视频的场景、其他对象、既有文字、镜头变化及动作时序，不新增、删除或重绘这些内容。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "体育与运动训练", "交通与出行", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_271", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV271", "modality": "tv2v", "name": "visual_prompt_mask_propagation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据首帧黄点锁定单个物体，跨帧分割其可见区域并叠加半透明红色掩膜。重点完成黄点所指实例、红色可见区域、身份与遮挡跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“黄点所指实例／红色可见区域”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现黄点所指实例；红色可见区域或身份与遮挡跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "黄点所指实例已部分实现，任务意图可辨；但红色可见区域或身份与遮挡跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "黄点所指实例、红色可见区域、身份与遮挡跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "黄点所指实例、红色可见区域、身份与遮挡跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "按文本约束续写人物用指定手操作物体的后续视频。", "criteria": [ { "id": "C1", "text_zh": "按当前指令的动作语义与指定手续写操作，保持对象角色正确。" }, { "id": "C2", "text_zh": "从原末态连续推进抓持、搅拌、放置等适用过程，不用只展示终态替代。" }, { "id": "C3", "text_zh": "准确延续实际被操作对象及动作关系；经确认的源Prompt笔误按任务解释处理，不把其他样例的例外泛化到新指令。" }, { "id": "C4", "text_zh": "保持人物、手物接触和原场景关系，其他样本不自动忽略有效颜色指称。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_275", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV275", "modality": "tv2v", "name": "action_conditioned_bimanual_manipulation_video_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文本约束续写人物用指定手操作物体的后续视频。重点完成指定手与操作动作、操作对象语义、续写衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定手与操作动作／操作对象语义”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定手与操作动作；操作对象语义或续写衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定手与操作动作已部分实现，任务意图可辨；但操作对象语义或续写衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定手与操作动作、操作对象语义、续写衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定手与操作动作、操作对象语义、续写衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "在视频中按字面局部替换指定可见文字，并保持其余内容、运动与时间安排不变。", "criteria": [ { "id": "C1", "text_zh": "在输入与提示可确定的替换范围内，将旧文字完整改为指定新字串；拼写、大小写、词序、标点及数学符号结构准确，被替换位置不残留旧字或产生叠印。" }, { "id": "C2", "text_zh": "新文字保持在原文字区域，并在原文字可见时段持续生效；场景文字随载体位移与透视变化，屏幕叠字保持屏幕定位，不无故漂移、变字或闪回旧字。" }, { "id": "C3", "text_zh": "除指定换字及旧字区域必要的背景补全外，保留人物外观、物体、场景、构图，以及非目标文字、图案和标识，不扩大编辑范围。" }, { "id": "C4", "text_zh": "保留人物动作、镜头运动、事件顺序、片段时长与节奏，包括未改动叠字的出现和消失时机；不以静帧化、重排、变速或额外剪切完成换字。" } ], "domains_zh": [ "图文、界面与符号系统", "人类活动与交互", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_276", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV276", "modality": "tv2v", "name": "video_scene_text_replacement", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在视频中按字面局部替换指定可见文字，并保持其余内容、运动与时间安排不变。重点完成指定文字原文、目标表面替换、非目标内容与透视跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定文字原文／目标表面替换”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定文字原文；目标表面替换或非目标内容与透视跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定文字原文已部分实现，任务意图可辨；但目标表面替换或非目标内容与透视跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定文字原文、目标表面替换、非目标内容与透视跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定文字原文、目标表面替换、非目标内容与透视跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "利用相邻相机的事件视频引导前序RGB视频的同相机续接。", "criteria": [ { "id": "C1", "text_zh": "生成紧接RGB参考末态的后续视频，承接场景与运动，覆盖事件输入所示后续时段。" }, { "id": "C2", "text_zh": "保留RGB参考中可辨场景与物体的结构、外观和主要颜色，随运动仍保持同一环境身份，不沿用事件可视化的伪彩配色。" }, { "id": "C3", "text_zh": "输出的构图、透视与遮挡变化延续参考RGB相机的成像视角，而不是切换到相邻事件相机的视角。" }, { "id": "C4", "text_zh": "在两视角可对应的内容上，相机前进、转向及可辨物体运动的主要方向、顺序与快慢变化符合事件时序，RGB续段内运动连续，不冻结参考或产生无依据跳变。" }, { "id": "C5", "text_zh": "明暗变化受事件线索和参考照明共同约束，延续昼夜基准及可见光源、阴影关系，不把低照度场景改成白昼或制造无依据的亮度闪烁。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_277", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV277", "modality": "rv2v", "name": "event_guided_rgb_video_continuation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，利用相邻相机的事件视频引导前序RGB视频的同相机续接。重点完成事件参考中的后续动态、原RGB相机场景、时间衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“事件参考中的后续动态／原RGB相机场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现事件参考中的后续动态；原RGB相机场景或时间衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "事件参考中的后续动态已部分实现，任务意图可辨；但原RGB相机场景或时间衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "事件参考中的后续动态、原RGB相机场景、时间衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "事件参考中的后续动态、原RGB相机场景、时间衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "依据持续按键控制和前后视频上下文，修复游戏视频指定冻结区间内缺失的角色、相机和场景运动。", "criteria": [ { "id": "C1", "text_zh": "在提示指定的零基帧范围内（含两端）补回缺失运动，消除异常整帧冻结，不以持续重复静帧代替修复。" }, { "id": "C2", "text_zh": "补全运动同时响应提示给出的全部持续控制：相机转向、俯仰及适用的角色移动方向均须相符，不能遗漏组合中的某一控制。" }, { "id": "C3", "text_zh": "角色身份和场景结构保持一致，角色姿态、相机视角及环境画面协调演进，并与区间两侧有效帧连贯衔接，无明显瞬移、突跳或结构破坏。" }, { "id": "C4", "text_zh": "区间外原有内容及时间关系保持，不以删掉关键阶段、整体变速或重排规避缺口修复。" } ], "domains_zh": [ "游戏与棋类" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_278", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV278", "modality": "tv2v", "name": "action-conditioned_gameplay_stutter_repair", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据持续按键控制和前后视频上下文，修复游戏视频指定冻结区间内缺失的角色、相机和场景运动。重点完成按键控制含义、冻结区间运动、前后游戏状态衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“按键控制含义／冻结区间运动”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现按键控制含义；冻结区间运动或前后游戏状态衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "按键控制含义已部分实现，任务意图可辨；但冻结区间运动或前后游戏状态衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "按键控制含义、冻结区间运动、前后游戏状态衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "按键控制含义、冻结区间运动、前后游戏状态衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "将参考视频中的彩色机器人骨架按时空对应关系叠加到输入视频。", "criteria": [ { "id": "C1", "text_zh": "完整呈现 Reference 当帧可见的连杆线与关节标记，保持其连接关系和分段颜色，不漏画、错连或添画无关骨架。" }, { "id": "C2", "text_zh": "骨架的二维位置、尺度、朝向与关节位置匹配相应 Reference 帧，并覆盖 Input 中对应机械臂部位，不出现明显错移、镜像或变形。" }, { "id": "C3", "text_zh": "在对应时刻使用对应的 Reference 骨架姿态，使叠加随原机械臂运动同步变化，不额外冻结、滞后或跳变；保留 Input 的动作顺序、节奏和时长。" }, { "id": "C4", "text_zh": "仅合成参考中的连杆线与关节标记，不把 Reference 白底覆盖到 Input；线点覆盖区外的机器人外观、道具、环境和画面构图保持原样。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_283", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV283", "modality": "rv2v", "name": "robot_skeleton_action_visualization", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，将参考视频中的彩色机器人骨架按时空对应关系叠加到输入视频。重点完成参考骨架结构、机器人空间对应、动作同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考骨架结构／机器人空间对应”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考骨架结构；机器人空间对应或动作同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考骨架结构已部分实现，任务意图可辨；但机器人空间对应或动作同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考骨架结构、机器人空间对应、动作同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考骨架结构、机器人空间对应、动作同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "将参考视频中的末端执行器坐标系同步叠加到输入视频。", "criteria": [ { "id": "C1", "text_zh": "在 Input 上叠加 Reference 的红、绿、蓝坐标轴及深色原点标记，不遗漏可见组成或互换轴的颜色身份。" }, { "id": "C2", "text_zh": "输出画面中的原点位置、各轴方向、可见投影长度及相交关系与对应 Reference 帧一致，不任意居中、缩放或重新摆轴。" }, { "id": "C3", "text_zh": "坐标系按对应时刻更新，与 Reference 同步；Input 的原有运动、顺序、速度和时长保持，不将动态参考冻结或错时使用。" }, { "id": "C4", "text_zh": "编辑限于坐标轴与原点覆盖区域，其余 Input 画面保持原样，包括场景细节、机器人与物体外观及构图；不带入参考白底或额外图文。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_284", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV284", "modality": "rv2v", "name": "robot_EEF_action_visualization", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，将参考视频中的末端执行器坐标系同步叠加到输入视频。重点完成末端坐标轴、位置和方向、参考动作同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“末端坐标轴／位置和方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现末端坐标轴；位置和方向或参考动作同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "末端坐标轴已部分实现，任务意图可辨；但位置和方向或参考动作同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "末端坐标轴、位置和方向、参考动作同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "末端坐标轴、位置和方向、参考动作同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Annotation, Behavior & Synchronization Correction", "leaf_id": "Q5", "leaf_zh": "标注、行为与同步纠错" }, "core_zh": "修正视频中已有红色遮罩的轮廓、目标归属与时序连续性，同时保持原视频内容不变。", "criteria": [ { "id": "C1", "text_zh": "保留红色遮罩表达，将其锁定到输入原标注所指的同一对象或局部，纠正错贴，不转移到其他对象或擅自扩展标注范围。" }, { "id": "C2", "text_zh": "遮罩准确贴合目标可见轮廓，覆盖应标区域并排除背景、无关部位和画外区域，纠正过松或过紧的边界。" }, { "id": "C3", "text_zh": "目标可见的每一帧都有对应遮罩，随运动、形变和镜头变化稳定更新，不无故抖动、消失或闪现；目标完全不可见时不残留虚假覆盖。" }, { "id": "C4", "text_zh": "除校正遮罩及清除错位覆盖必需的变化外，人物、物体、背景、原有外观、运动和镜头时序均保持不变。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_285", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV285", "modality": "tv2v", "name": "segmentation_mask_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，修正视频中已有红色遮罩的轮廓、目标归属与时序连续性，同时保持原视频内容不变。重点完成红色掩膜目标归属、轮廓修复、时序稳定，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“红色掩膜目标归属／轮廓修复”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现红色掩膜目标归属；轮廓修复或时序稳定大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "红色掩膜目标归属已部分实现，任务意图可辨；但轮廓修复或时序稳定仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "红色掩膜目标归属、轮廓修复、时序稳定的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "红色掩膜目标归属、轮廓修复、时序稳定完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "在人物视频中叠加随脸部运动的绿色矩形跟踪框，同时保留原画面与动作。", "criteria": [ { "id": "C1", "text_zh": "在原视频上添加可见的绿色空心矩形框，框内不填充，不以模糊或实心遮罩替代。" }, { "id": "C2", "text_zh": "框应围绕脸部而非头发外轮廓，主要五官位于框内，不把大片头发、颈肩、身体或麦克风等邻近物体纳入框选范围。" }, { "id": "C3", "text_zh": "矩形在每帧随同一人物的脸部运动保持对准，不因转头、倾斜或位移而漏框、明显漂移或滞后。" }, { "id": "C4", "text_zh": "保留原人物身份及可见面部细节，说话口型、表情和头部动作与输入对应，动作顺序、节奏和发生时间不被改变。" }, { "id": "C5", "text_zh": "除新增框线外，保持原镜头构图及脸外内容，包括头发、身体衣物、道具和背景，不额外裁切、模糊、遮罩或替换背景。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_291", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV291", "modality": "tv2v", "name": "celebv_hq_talking_head", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在人物视频中叠加随脸部运动的绿色矩形跟踪框，同时保留原画面与动作。重点完成人脸位置、绿色跟踪框、随姿态和镜头更新，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人脸位置／绿色跟踪框”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人脸位置；绿色跟踪框或随姿态和镜头更新大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人脸位置已部分实现，任务意图可辨；但绿色跟踪框或随姿态和镜头更新仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人脸位置、绿色跟踪框、随姿态和镜头更新的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人脸位置、绿色跟踪框、随姿态和镜头更新完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "补全舞蹈视频锚点间被复制帧替代的运动，恢复自然连贯的动作。", "criteria": [ { "id": "C1", "text_zh": "将锚点间复制前一锚点的帧补为合理中间姿态，使四肢、躯干及身体位移自然衔接，消除由复制造成的停滞与突跳。" }, { "id": "C2", "text_zh": "每四帧保留的锚点及末帧在原有帧位保持原姿态、身体位置和动作顺序，不因补全而被改写。" }, { "id": "C3", "text_zh": "保留同一舞者及其体型、服装与可辨外观，保持原镜头视角、构图和背景物件，不发生换人、换装、换景或额外镜头运动。" }, { "id": "C4", "text_zh": "保持输入帧率、总帧数、片段时长与时间轴；在既有时间槽补全，不以删帧、扩时、变速或重排动作代替运动恢复。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_296", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV296", "modality": "tv2v", "name": "_sparse_frame_dance_motion_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，补全舞蹈视频锚点间被复制帧替代的运动，恢复自然连贯的动作。重点完成舞蹈缺失动作、锚点间连贯运动、同一舞者，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“舞蹈缺失动作／锚点间连贯运动”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现舞蹈缺失动作；锚点间连贯运动或同一舞者大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "舞蹈缺失动作已部分实现，任务意图可辨；但锚点间连贯运动或同一舞者仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "舞蹈缺失动作、锚点间连贯运动、同一舞者的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "舞蹈缺失动作、锚点间连贯运动、同一舞者完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "用时间条和交互提示，表达指定对象从预备到拾取或放置的大致阶段与转折。", "criteria": [ { "id": "C1", "text_zh": "清楚表达注视预备、接近交互及交互后等适用的三阶段。" }, { "id": "C2", "text_zh": "时间条的顺序、主要边界位置和各阶段长度比例与可见过程大致相符。" }, { "id": "C3", "text_zh": "转折标记落在实际拾取或放置事件附近，不要求精确同一帧。" }, { "id": "C4", "text_zh": "保留指定对象、原动作和时间进程，不以任意三等分代替阶段判断。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_297", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV297", "modality": "tv2v", "name": "gaze_primed_hand_object_interaction_phase_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，用时间条和交互提示，表达指定对象从预备到拾取或放置的大致阶段与转折。重点完成预备到交互的三阶段、时间条的大致比例、交互转折提示，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“预备到交互的三阶段／时间条的大致比例”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现预备到交互的三阶段；时间条的大致比例或交互转折提示大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "预备到交互的三阶段已部分实现，任务意图可辨；但时间条的大致比例或交互转折提示仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "预备到交互的三阶段、时间条的大致比例、交互转折提示的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "预备到交互的三阶段、时间条的大致比例、交互转折提示完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "按图像上下方向约束，续写机器人将指定桌面物品抓起并置入接收容器或柜内的动作。", "criteria": [ { "id": "C1", "text_zh": "抓取当前指令所指的桌面物品并放入正确接收位置。" }, { "id": "C2", "text_zh": "抓起、搬运和释放过程连贯，遵循指定图像方向。" }, { "id": "C3", "text_zh": "保持物体、机器人和环境身份，手物接触具有因果一致性。" }, { "id": "C4", "text_zh": "保持所指定工具的身份与主要视觉特征；允许不影响识别的细节差异，不因抽帧模糊擅自换物。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_298", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV298", "modality": "tv2v", "name": "droid_language_conditioned_robot_task_completion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按图像上下方向约束，续写机器人将指定桌面物品抓起并置入接收容器或柜内的动作。重点完成指定桌面物品、抓起并放入目标、方向与手物接触，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定桌面物品／抓起并放入目标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定桌面物品；抓起并放入目标或方向与手物接触大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定桌面物品已部分实现，任务意图可辨；但抓起并放入目标或方向与手物接触仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定桌面物品、抓起并放入目标、方向与手物接触的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定桌面物品、抓起并放入目标、方向与手物接触完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "依据同步第三人称参考，恢复第一人称工业操作视频中缺失的时间片段。", "criteria": [ { "id": "C1", "text_zh": "补齐输入中被黑帧替代的时间缺口，保留缺口外已有画面内容和片段结构，不以删段、持续黑屏或无关画面跳过。" }, { "id": "C2", "text_zh": "补全内容保持操作者的第一人称视点及相应视角运动，工作台、仪器和工具布局承接原片，不插入参考的第三人称俯视镜头。" }, { "id": "C3", "text_zh": "补全对应时段的操作或等待阶段，作用对象与输入及同步参考相符；可见手部持握、接触和移物关系合理，不用无关动作替代。" }, { "id": "C4", "text_zh": "物体开合、工具／电池位置与连接及仪器状态承接操作上下文，按当前任务保持或改变相应状态，不颠倒启停含义。" }, { "id": "C5", "text_zh": "关键动作顺序和相对进度与同步参考吻合，缺口首尾在视角、手位和物体状态上接续原片，不出现无因跳变、倒序或关键步骤重复。" } ], "domains_zh": [ "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_303", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV303", "modality": "rv2v", "name": "industrial_egocentric_occlusion_repair_with_exocentric_reference", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据同步第三人称参考，恢复第一人称工业操作视频中缺失的时间片段。重点完成参考中的操作事件、第一视角缺口重建、前后时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考中的操作事件／第一视角缺口重建”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考中的操作事件；第一视角缺口重建或前后时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考中的操作事件已部分实现，任务意图可辨；但第一视角缺口重建或前后时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考中的操作事件、第一视角缺口重建、前后时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考中的操作事件、第一视角缺口重建、前后时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "依据发射方向和镜面布局预测激光的传播、反射及命中过程，并在视频中可视化。", "criteria": [ { "id": "C1", "text_zh": "与输入发射器的启亮同步，从出射口开始显现光束，前端沿光路匀速推进，按行进顺序逐段呈现完整路径，不提前显示后续段。" }, { "id": "C2", "text_zh": "光束沿发射朝向起射，在镜面之间直线传播，并在实际遇到的镜面处按入射角等于反射角依次折转，不穿镜、漏掉应有反射或在空处转弯。" }, { "id": "C3", "text_zh": "光束完整推进至被吸收或离开场景的位置后停止新增路径，不无故提前截断，也不越过应终止的位置继续传播。" }, { "id": "C4", "text_zh": "目标在光束尚未抵达或未命中时保持未亮；光束前端实际抵达时才将其点亮，并在后续保持命中状态。" }, { "id": "C5", "text_zh": "光束经过的各段累积保留；后续段出现或传播停止后，先前路径仍持续可见，不被擦除、移动或替换为仅有一个移动光点。" }, { "id": "C6", "text_zh": "除新增光束和目标命中反馈外，保持输入的背景、镜头、各装置身份、位置、朝向与数量不变，并保留发射器原有的启亮变化。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_306", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV306", "modality": "tv2v", "name": "laser_reflection_path_prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据发射方向和镜面布局预测激光的传播、反射及命中过程，并在视频中可视化。重点完成激光方向、镜面反射路径、正确命中过程，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“激光方向／镜面反射路径”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现激光方向；镜面反射路径或正确命中过程大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "激光方向已部分实现，任务意图可辨；但镜面反射路径或正确命中过程仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "激光方向、镜面反射路径、正确命中过程的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "激光方向、镜面反射路径、正确命中过程完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "对视频起始查询点进行保持身份的跨帧跟踪，并可视化其运动轨迹与遮挡状态。", "criteria": [ { "id": "C1", "text_zh": "全片覆盖开头标出的所有查询点，标记随所属物体的平移、旋转保持在对应点位，不漏点、不另选点，也不统一替换为物体中心。" }, { "id": "C2", "text_zh": "每个查询点始终沿用其起始颜色，在运动、遮挡及重新显露后均不换色或与其他点交换身份。" }, { "id": "C3", "text_zh": "点可见时以同色实心圆点标出当前位置；有近期可见运动历史时，显示沿过去路径、越旧越淡的拖尾。" }, { "id": "C4", "text_zh": "点被遮挡时，在该点应处的当前位置显示同色空心圆并继续随点运动；重新显露后恢复实心点与拖尾，不删除或冻结该点。" }, { "id": "C5", "text_zh": "除点、圆环及拖尾叠加外，保留输入视频的场景外观、物体与遮挡物的运动、遮挡关系和时序，不新增或删改场景内容。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_307", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV307", "modality": "tv2v", "name": "point_trajectory_tracking_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对视频起始查询点进行保持身份的跨帧跟踪，并可视化其运动轨迹与遮挡状态。重点完成查询点身份、运动轨迹、遮挡与恢复，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“查询点身份／运动轨迹”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现查询点身份；运动轨迹或遮挡与恢复大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "查询点身份已部分实现，任务意图可辨；但运动轨迹或遮挡与恢复仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "查询点身份、运动轨迹、遮挡与恢复的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "查询点身份、运动轨迹、遮挡与恢复完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "识别视频中的重复动作周期，并叠加与周期同步的累计计数和进度环。", "criteria": [ { "id": "C1", "text_zh": "在画面底部持续叠加清晰可读的累计次数及环形进度指示。" }, { "id": "C2", "text_zh": "累计计数从0开始，在每个真实动作周期完成时恰好加1；周期内不提前加数，不漏计或重复计数。" }, { "id": "C3", "text_zh": "进度环表示当前动作周期的进度，从周期开始逐步填满，在周期完成时达到满环，并在下一周期开始时重置。" }, { "id": "C4", "text_zh": "没有执行目标动作时，环内显示横杠，停止填充与加数并保留累计值；若暂停后恢复动作，继续累计而不归零。" }, { "id": "C5", "text_zh": "除新增叠加层外，保留原视频的人物、动作、场景、镜头变化和已有文字或标志，不删减片段、重排或变速。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_308", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV308", "modality": "tv2v", "name": "repetitive_action_counting_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中的重复动作周期，并叠加与周期同步的累计计数和进度环。重点完成动作周期、累计计数、同步进度环，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“动作周期／累计计数”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现动作周期；累计计数或同步进度环大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "动作周期已部分实现，任务意图可辨；但累计计数或同步进度环仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "动作周期、累计计数、同步进度环的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "动作周期、累计计数、同步进度环完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "在原视频上叠加人物身份跟踪和按时间区间显示的人际关系标注。", "criteria": [ { "id": "C1", "text_zh": "覆盖交互中的主要人物，并用稳定身份框或标识关联。" }, { "id": "C2", "text_zh": "关系标注表达可见的人际关系及方向，与相关人物编号一致。" }, { "id": "C3", "text_zh": "关系出现时段与事件大致同步，不要求复刻隐藏官方标注元组的偶然细分或边界。" }, { "id": "C4", "text_zh": "保留原视频，不将Target当作被评模型的输入，也不要求复制其明显错漏。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_309", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV309", "modality": "tv2v", "name": "video_object_relation_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上叠加人物身份跟踪和按时间区间显示的人际关系标注。重点完成人物身份、可见人际关系、关系区间与图形对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人物身份／可见人际关系”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人物身份；可见人际关系或关系区间与图形对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人物身份已部分实现，任务意图可辨；但可见人际关系或关系区间与图形对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人物身份、可见人际关系、关系区间与图形对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人物身份、可见人际关系、关系区间与图形对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "在原视频上叠加多物体身份、持有状态与正确箱位占用的时序标注。", "criteria": [ { "id": "C1", "text_zh": "持续标注所有分拣物体：以稳定、可区分的身份色叠加半透明可见掩码及同色实线轮廓，随物体位置与姿态贴合，不漏标非活动对象、不串换身份。" }, { "id": "C2", "text_zh": "只在物体被遮挡的轮廓段，以同一身份色虚线补绘不可见外形；可见轮廓保持实线，遮挡区域不涂成可见掩码。" }, { "id": "C3", "text_zh": "按实际状态更新各物体提示：持有或搬运时加青色外缘及接触提示；正确放入对应箱格时加金色可见轮廓和箱口提示，非活动对象的已入箱占用标记仍保留。" }, { "id": "C4", "text_zh": "在底部半透明黑色状态带清晰显示活动物体及当前阶段，阶段使用TABLE / FREE、HELD / TRANSPORT或CORRECT BIN；尚无对象激活时显示ACTIVE OBJECT: NONE，文字随实际对象与阶段更新。" }, { "id": "C5", "text_zh": "文字正下方以细时间轴累计已历阶段：灰色对应TABLE / FREE、青色对应HELD / TRANSPORT、金色对应CORRECT BIN；切换对象不清空历史，未来区暗且未填，以白色标记指示当前帧，并与文字及视频进度同步。" }, { "id": "C6", "text_zh": "保持原镜头、物体身份与外观、动作轨迹、时序和帧数，仅改变标注及状态带支撑区域；不添加箭头、侧面板、下一步动作或未来状态提示，也不作无关风格化。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_314", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV314", "modality": "tv2v", "name": "multi_object_bin_custody_and_occupancy_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上叠加多物体身份、持有状态与正确箱位占用的时序标注。重点完成物体身份、持有关系、正确箱位占用，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“物体身份／持有关系”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现物体身份；持有关系或正确箱位占用大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "物体身份已部分实现，任务意图可辨；但持有关系或正确箱位占用仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "物体身份、持有关系、正确箱位占用的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "物体身份、持有关系、正确箱位占用完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "3D Shape & Pose", "leaf_id": "G4", "leaf_zh": "三维形状与位姿" }, "core_zh": "为交互区域的主要物体叠加三维网格姿态，并保持身份、遮挡和运动对应。", "criteria": [ { "id": "C1", "text_zh": "交互区域主要物体具有对应三维网格或姿态叠层，物体身份不混淆。" }, { "id": "C2", "text_zh": "网格位置、朝向和尺度贴合可见物体，并随运动更新。" }, { "id": "C3", "text_zh": "遵守前后遮挡与接触关系，不要求精确六自由度数值或每个小物逐点覆盖。" }, { "id": "C4", "text_zh": "保留原场景和交互，少量局部漏标按覆盖程度而非整题失败处理。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_315", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV315", "modality": "tv2v", "name": "egocentric_amodal_object_pose_continuity_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为交互区域的主要物体叠加三维网格姿态，并保持身份、遮挡和运动对应。重点完成交互区主要物体、网格姿态附着、遮挡与身份，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“交互区主要物体／网格姿态附着”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现交互区主要物体；网格姿态附着或遮挡与身份大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "交互区主要物体已部分实现，任务意图可辨；但网格姿态附着或遮挡与身份仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "交互区主要物体、网格姿态附着、遮挡与身份的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "交互区主要物体、网格姿态附着、遮挡与身份完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "在原视频上叠加双手与指定刚体的姿态，并以语义色显示局部邻近和接触关系。", "criteria": [ { "id": "C1", "text_zh": "手和交互刚体姿态与原动作空间对应。" }, { "id": "C2", "text_zh": "用指定语义色区分明显接触、邻近和非接触关系，保持角色一致。" }, { "id": "C3", "text_zh": "关系随接近、抓持、释放同步变化，不要求未知距离单位或毫米阈值。" }, { "id": "C4", "text_zh": "保留原视频，颜色和叠层不能与明显可见的接触相反。" } ], "domains_zh": [ "人类活动与交互", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_316", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV316", "modality": "tv2v", "name": "bimanual_object_mesh_contact_state_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上叠加双手与指定刚体的姿态，并以语义色显示局部邻近和接触关系。重点完成手物姿态、接触和邻近状态、语义色及同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“手物姿态／接触和邻近状态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现手物姿态；接触和邻近状态或语义色及同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "手物姿态已部分实现，任务意图可辨；但接触和邻近状态或语义色及同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "手物姿态、接触和邻近状态、语义色及同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "手物姿态、接触和邻近状态、语义色及同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将RGB视频转换为同场景、逐帧对齐的连续伪彩相对深度外观视频。", "criteria": [ { "id": "C1", "text_zh": "输出同场景的连续相对深度表示，主要远近和遮挡正确。" }, { "id": "C2", "text_zh": "配色遵循当前Prompt可辨约定及Target所示视觉形式，不强求发布方隐藏算法。" }, { "id": "C3", "text_zh": "深度区域随原镜头和对象同步变化，不按RGB纹理直接套色。" } ], "domains_zh": [ "艺术与动画内容", "人类活动与交互", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_317", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV317", "modality": "tv2v", "name": "rgb_video_to_publisher_relative_depth", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将RGB视频转换为同场景、逐帧对齐的连续伪彩相对深度外观视频。重点完成相对远近、连续伪彩、轮廓和运动对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相对远近／连续伪彩”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相对远近；连续伪彩或轮廓和运动对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相对远近已部分实现，任务意图可辨；但连续伪彩或轮廓和运动对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相对远近、连续伪彩、轮廓和运动对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相对远近、连续伪彩、轮廓和运动对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "去除视频中随时间变化的镜头眩光，同时保留原始场景与运动。", "criteria": [ { "id": "C1", "text_zh": "清除视频中随时间变化的亮斑、光晕、星芒及光条等镜头眩光，使其不再明显遮挡场景。" }, { "id": "C2", "text_zh": "恢复受眩光覆盖的场景结构、纹理及局部明暗色彩，并与周围衔接，不以明显模糊、黑块或整体压暗替代修复。" }, { "id": "C3", "text_zh": "在对应时刻保留原片的取景、透视和真实场景内容，不新增、删除或变形人物、车辆及建筑等对象，也不通过裁切或改构图避开眩光。" }, { "id": "C4", "text_zh": "保持原片的时间顺序、时长与播放节奏，以及人物、车辆和相机运动；修复结果应随运动连贯，不新增闪烁、纹理跳变、拖影或冻结。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_318", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV318", "modality": "tv2v", "name": "clean_reference_guided_video_lens_flare_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除视频中随时间变化的镜头眩光，同时保留原始场景与运动。重点完成镜头眩光消除、真实光照和场景、动态保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“镜头眩光消除／真实光照和场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现镜头眩光消除；真实光照和场景或动态保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "镜头眩光消除已部分实现，任务意图可辨；但真实光照和场景或动态保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "镜头眩光消除、真实光照和场景、动态保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "镜头眩光消除、真实光照和场景、动态保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "依据参考图将操作视频中的人手替换为指定机器人手，同时保持原有手物交互。", "criteria": [ { "id": "C1", "text_zh": "将全部可见人手替换为该样本指定、与参考图可见结构一致的机器人手；保留单手或双手的参与数量，不漏换、增手或混用构型。" }, { "id": "C2", "text_zh": "机器人手延续原手的动作与分工，在对应位置完成原有扶持、抓握、开门、捏取或松开；可见接触与前后遮挡关系支持同一交互语义。" }, { "id": "C3", "text_zh": "被操作物及其他可见物体的身份、数量、位置姿态与状态变化须对应输入，不能因换手改写门的开合、瓶子放置、棋子分布等结果。" }, { "id": "C4", "text_zh": "替换区域以外保留原背景内容与空间布局，并沿用输入的视角、构图变化和相机运动，不移植参考图场景或另造拍摄轨迹。" }, { "id": "C5", "text_zh": "保留输入的动作顺序、阶段时刻、时长、帧数和帧率；机械手随原运动持续跟随，不出现人手闪回、构型突换或影响交互的跟踪漂移。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_320", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV320", "modality": "rv2v", "name": "urdf_conditioned_egocentric_human_to_robot_video_editing", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据参考图将操作视频中的人手替换为指定机器人手，同时保持原有手物交互。重点完成参考机器人手外观、原抓握动作、手物接触关系，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考机器人手外观／原抓握动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考机器人手外观；原抓握动作或手物接触关系大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考机器人手外观已部分实现，任务意图可辨；但原抓握动作或手物接触关系仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考机器人手外观、原抓握动作、手物接触关系的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考机器人手外观、原抓握动作、手物接触关系完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "依据首帧参考红点，追踪同一表面点并在原视频中按可见性叠加标记。", "criteria": [ { "id": "C1", "text_zh": "首帧标记中心准确对应Reference红点中心所指定的Input表面点，不另选邻近点或物体中心。" }, { "id": "C2", "text_zh": "后续可见帧的标记中心持续对应同一表面点的投影，随该点及镜头运动正确更新，不漂移、跳换部位或转跟其他物体。" }, { "id": "C3", "text_zh": "该点被遮挡或移出画面时不显示标记；再次可见时恢复对原点的标注，不把标记留在遮挡物或画面边缘。" }, { "id": "C4", "text_zh": "点可见时只叠加一个清晰可辨的红色点标记，不留下历史点、连线或累计轨迹。" }, { "id": "C5", "text_zh": "除标记覆盖的必要局部外，保留Input的场景、人物或物体外观、动作、镜头运动与时间顺序，不增删或改写原视频内容。" } ], "domains_zh": [ "交通与出行", "机器人与自主体", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_322", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV322", "modality": "rv2v", "name": "reference_conditioned_physical_point_tracking", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据首帧参考红点，追踪同一表面点并在原视频中按可见性叠加标记。重点完成参考表面点、可见时定位、原点身份持续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考表面点／可见时定位”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考表面点；可见时定位或原点身份持续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考表面点已部分实现，任务意图可辨；但可见时定位或原点身份持续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考表面点、可见时定位、原点身份持续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考表面点、可见时定位、原点身份持续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "根据文字指令对视频中的服饰或物体进行局部替换、添加或移除。", "criteria": [ { "id": "C1", "text_zh": "服饰替换分支实现当前指令指定的服装、颜色、纹理及随时间的外观变化。" }, { "id": "C2", "text_zh": "物体添加分支加入指定数量与外观的对象，满足位置、运动及其与周围场景的互动要求。" }, { "id": "C3", "text_zh": "删除分支持续移除指定对象并合理补全遮挡区域，不遗留明显残片，也不误删无关主体。" }, { "id": "C4", "text_zh": "除指定服饰、增删物体及必要局部影响外，保留原主体身份、动作进程、主要构图、背景和其他物体，不能把局部要求变成全场景替换或全局改色。" }, { "id": "C5", "text_zh": "跨帧维持编辑对象的身份与空间关系：服饰贴合人体及其遮挡，插入物和局部效果连续演化，怀表不无故重现，修补区域不出现破坏内容连续性的跳变。" } ], "domains_zh": [ "人类活动与交互", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_325", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV325", "modality": "tv2v", "name": "ditto_local_video_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据文字指令对视频中的服饰或物体进行局部替换、添加或移除。重点完成指定局部编辑、正确目标与新属性、非目标内容保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定局部编辑／正确目标与新属性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定局部编辑；正确目标与新属性或非目标内容保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定局部编辑已部分实现，任务意图可辨；但正确目标与新属性或非目标内容保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定局部编辑、正确目标与新属性、非目标内容保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定局部编辑、正确目标与新属性、非目标内容保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Physical Property & Response Inference", "leaf_id": "Q3", "leaf_zh": "隐含物理属性与响应推断" }, "core_zh": "将受光照的视频转换为逐帧对齐、保留材质本色的漫反射率视频。", "criteria": [ { "id": "C1", "text_zh": "输出与输入逐帧对应，保持帧序、相机视点及运动、可见场景几何和物体布局，不重排镜头、增删或搬动物体。" }, { "id": "C2", "text_zh": "去除照明导致的明暗、投射阴影和视角相关高光或反射亮斑，使结果表达材质漫反射率，不能仅改变曝光或做写实重打光。" }, { "id": "C3", "text_zh": "有效表面保留固有材质颜色、纹理、图案及表面文字，以截断后的线性RGB反射率编码，而非复制受光照影响的输入RGB。" }, { "id": "C4", "text_zh": "反射或透明表面可采用相容的暗色或扁平表示，不要求未知的无效数据掩码，但不能任意涂黑清楚可辨的有效材质区域。" }, { "id": "C5", "text_zh": "同一表面的反射率颜色、纹理和有效域表达随相机运动一致跟随，不出现无依据的跳色、纹理游移或黑区闪变。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_327", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV327", "modality": "tv2v", "name": "video-delighting-material-recovery", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将受光照的视频转换为逐帧对齐、保留材质本色的漫反射率视频。重点完成材质固有色、光照成分去除、时间一致反照率，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“材质固有色／光照成分去除”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现材质固有色；光照成分去除或时间一致反照率大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "材质固有色已部分实现，任务意图可辨；但光照成分去除或时间一致反照率仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "材质固有色、光照成分去除、时间一致反照率的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "材质固有色、光照成分去除、时间一致反照率完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "按操作角色将视频中的工具和交互目标分别高亮，并保持跨帧身份一致。", "criteria": [ { "id": "C1", "text_zh": "依据操作关系，将被使用的工具标为橙色、其作用的交互目标标为蓝色；目标即使也被手扶持，仍须保留其目标角色。" }, { "id": "C2", "text_zh": "高亮覆盖并贴合两对象的可见区域，保留孔洞、环柄空隙及原有遮挡关系，不越界染到手部、另一对象或背景。" }, { "id": "C3", "text_zh": "角色与颜色在对象的各可见时段保持绑定，随移动、转动和遮挡变化稳定跟随；交互前后均须高亮，而非只在接触瞬间着色。" }, { "id": "C4", "text_zh": "除指定着色外，保持输入的机器人动作、物体形状与姿态、运动轨迹、相机、场景及其他内容，动作顺序、速度和时长不变。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_331", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV331", "modality": "tv2v", "name": "robot_tool_target_semantic_role_highlighting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按操作角色将视频中的工具和交互目标分别高亮，并保持跨帧身份一致。重点完成工具与目标角色、身份配色、交互跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“工具与目标角色／身份配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现工具与目标角色；身份配色或交互跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "工具与目标角色已部分实现，任务意图可辨；但身份配色或交互跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "工具与目标角色、身份配色、交互跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "工具与目标角色、身份配色、交互跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "依据已观测片段预测并续写物体的未来运动。", "criteria": [ { "id": "C1", "text_zh": "在续写衔接处承接输入片尾的位置、姿态和运动状态，呈现新的后续过程，而非仅重播、重置事件或冻结未完成运动。" }, { "id": "C2", "text_zh": "球体场景中，沿输入可见趋势延续滚动，接触前后的带动、转向与分离关系合理，未卷入交互的球保持原状态。" }, { "id": "C3", "text_zh": "骨牌场景中，沿片尾已有倾斜方向与相邻接触顺序继续连倒，落地或相互支撑后稳定，未被波及的骨牌保持竖立。" }, { "id": "C4", "text_zh": "保持各物体的身份、数量、形状及识别性的颜色纹理，不出现替换、复制、融合或无依据的消失。" }, { "id": "C5", "text_zh": "保留原场景的地面、背景和整体光照关系，保持固定镜头与取景，不以换景或画面整体移动代替物体运动。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_332", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV332", "modality": "tv2v", "name": "raw_physics_video_to_goal_force_causal_overlay_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据已观测片段预测并续写物体的未来运动。重点完成原末态与运动趋势、未来轨迹、合理碰撞和连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原末态与运动趋势／未来轨迹”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原末态与运动趋势；未来轨迹或合理碰撞和连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原末态与运动趋势已部分实现，任务意图可辨；但未来轨迹或合理碰撞和连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原末态与运动趋势、未来轨迹、合理碰撞和连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原末态与运动趋势、未来轨迹、合理碰撞和连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "在不改变人物表演和时间轴的前提下，按分镜计划重设视频机位、构图与运镜。", "criteria": [ { "id": "C1", "text_zh": "依指定分镜顺序呈现相应机位、构图和运镜。" }, { "id": "C2", "text_zh": "保留原人物表演、动作阶段及相对时长，分镜边界视觉上对应。" }, { "id": "C3", "text_zh": "新视角几何和遮挡连贯，不因换镜头改写动作或身份。" }, { "id": "C4", "text_zh": "不将切镜的单帧偏差当作整体表演失败。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_334", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV334", "modality": "tv2v", "name": "prompt_guided_single_view_multishot_recinematography", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在不改变人物表演和时间轴的前提下，按分镜计划重设视频机位、构图与运镜。重点完成分镜机位与运镜、原人物表演、分镜顺序与时段，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“分镜机位与运镜／原人物表演”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现分镜机位与运镜；原人物表演或分镜顺序与时段大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "分镜机位与运镜已部分实现，任务意图可辨；但原人物表演或分镜顺序与时段仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "分镜机位与运镜、原人物表演、分镜顺序与时段的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "分镜机位与运镜、原人物表演、分镜顺序与时段完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "将偏亮、平淡的HDR色调映射视频重渲染为色彩更浓郁、对比更强且高光受控的自然短曝光观感。", "criteria": [ { "id": "C1", "text_zh": "将整体偏亮、发灰的画面调整为较低曝光、对比更强的自然短曝光观感，暗部加深但主体与场景仍可辨识，不能仅把整幅画面压黑。" }, { "id": "C2", "text_zh": "使色彩更浓郁且有区分度，保持物体基本颜色及原有照明的冷暖关系，不任意改色或产生明显不合理的偏色。" }, { "id": "C3", "text_zh": "控制已有亮区的过亮泛白，保留可辨的高光层次及原有受光、阴影分布，不新增大片过曝区域。" }, { "id": "C4", "text_zh": "在相应时刻保留场景、人物、动物和道具的身份、数量、几何与空间布局，不增删对象、改变比例或扭曲结构。" }, { "id": "C5", "text_zh": "保持原动作、速度、时序、片段时长与相机轨迹，不重排画面；光色处理跨帧一致，不新增曝光跳变或颜色闪烁。" } ], "domains_zh": [ "建筑与空间场景", "人类活动与交互", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_335", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV335", "modality": "tv2v", "name": "tone_mapped_hdr_to_rich_color_short_exposure_rendering", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将偏亮、平淡的HDR色调映射视频重渲染为色彩更浓郁、对比更强且高光受控的自然短曝光观感。重点完成指定短曝光观感、高光与色彩层次、原内容保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定短曝光观感／高光与色彩层次”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定短曝光观感；高光与色彩层次或原内容保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定短曝光观感已部分实现，任务意图可辨；但高光与色彩层次或原内容保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定短曝光观感、高光与色彩层次、原内容保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定短曝光观感、高光与色彩层次、原内容保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "依据首帧红色掩码跟踪指定目标，并生成全视频的逐帧二值分割掩码。", "criteria": [ { "id": "C1", "text_zh": "以首帧红色掩码确定目标身份，后续始终跟踪同一目标，不改选更显眼的对象，也不把其他同类实例并入。" }, { "id": "C2", "text_zh": "白色掩码贴合目标当帧的可见位置、尺度和轮廓，覆盖其可见部分，排除其他对象、背景与遮挡物。" }, { "id": "C3", "text_zh": "输出覆盖完整输入时段，并与输入逐帧保持时空对应，随目标运动、镜头变化和姿态变化更新，而非静止轮廓或零散片段。" }, { "id": "C4", "text_zh": "目标完全离画或完全遮挡、没有可见区域时输出全黑帧；若再次可见，应恢复对原目标的分割。" }, { "id": "C5", "text_zh": "输出黑白二值掩码视频：目标为白色，其他所有内容为黑色，不保留原景、红色提示或反转前背景。" } ], "domains_zh": [ "自然环境与地球观测", "交通与出行", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_336", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV336", "modality": "tv2v", "name": "mask-guided_video_object_segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据首帧红色掩码跟踪指定目标，并生成全视频的逐帧二值分割掩码。重点完成首帧目标身份、二值可见掩膜、全段跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“首帧目标身份／二值可见掩膜”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现首帧目标身份；二值可见掩膜或全段跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "首帧目标身份已部分实现，任务意图可辨；但二值可见掩膜或全段跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "首帧目标身份、二值可见掩膜、全段跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "首帧目标身份、二值可见掩膜、全段跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Annotation, Behavior & Synchronization Correction", "leaf_id": "Q5", "leaf_zh": "标注、行为与同步纠错" }, "core_zh": "依据参考视频的相对节奏，修复机器人操作视频的局部快慢与冻结，同时保持原动作内容和总时长。", "criteria": [ { "id": "C1", "text_zh": "按对应动作阶段恢复Reference的相对节奏，修正指定的过慢、过快或异常冻结，同时恢复为平衡片长而改动的补偿段，不能只做全片统一变速。" }, { "id": "C2", "text_zh": "保持Input的帧数、FPS和总时长，在原时间轴内重新分配阶段时长，不靠截断任务、改变整片时长或额外填充静止片段掩盖问题。" }, { "id": "C3", "text_zh": "保持Input的机器人、镜头视角、场景布局和道具身份，不把Reference的桌面、背景或物品外观迁入输出。" }, { "id": "C4", "text_zh": "保留Input完整的动作顺序、左右臂分工、对象交互及可见成功终态，不倒放、不漏做、不无故重复或添加操作。" }, { "id": "C5", "text_zh": "机械臂与道具沿Input原有可见运动路径连贯推进，阶段接缝没有重定时引入的明显瞬移、时序倒跳或破坏抓持、放置关系的插值变形。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_339", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV339", "modality": "rv2v", "name": "reference_guided_robot_cycle_timing_normalization", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据参考视频的相对节奏，修复机器人操作视频的局部快慢与冻结，同时保持原动作内容和总时长。重点完成参考节奏、局部快慢和冻结修复、原动作内容，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考节奏／局部快慢和冻结修复”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考节奏；局部快慢和冻结修复或原动作内容大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考节奏已部分实现，任务意图可辨；但局部快慢和冻结修复或原动作内容仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考节奏、局部快慢和冻结修复、原动作内容的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考节奏、局部快慢和冻结修复、原动作内容完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "忠实去除视频中的大气湍流模糊与局部非线性几何扭曲。", "criteria": [ { "id": "C1", "text_zh": "去除湍流造成的空间非均匀模糊，恢复人物、器材和背景中原有的可辨边缘与纹理。" }, { "id": "C2", "text_zh": "纠正局部非线性几何形变，恢复原有结构与轮廓形态，消除湍流造成的波浪式局部游移。" }, { "id": "C3", "text_zh": "保持原人物、物体、背景及其空间关系，不增删或替换内容，忠实保留原场景的色彩、材质纹理和照明。" }, { "id": "C4", "text_zh": "保持主体、物体与镜头的原有运动、帧序和时序；相邻帧不新增明显闪烁或重影，不以全局稳像、冻结或变速掩盖湍流。" }, { "id": "C5", "text_zh": "保持原有效取景范围、场景比例与主体尺度关系，不裁切场景内容、不拉伸或扩展补景。" } ], "domains_zh": [ "体育与运动训练", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_342", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV342", "modality": "tv2v", "name": "atmospheric_turbulence_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，忠实去除视频中的大气湍流模糊与局部非线性几何扭曲。重点完成湍流模糊及扭曲修复、真实几何、动态保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“湍流模糊及扭曲修复／真实几何”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现湍流模糊及扭曲修复；真实几何或动态保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "湍流模糊及扭曲修复已部分实现，任务意图可辨；但真实几何或动态保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "湍流模糊及扭曲修复、真实几何、动态保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "湍流模糊及扭曲修复、真实几何、动态保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将单路行车视频中截至当前帧已观测的静态道路结构，累积转换为自车中心鸟瞰语义地图视频。", "criteria": [ { "id": "C1", "text_zh": "输出以当前自车为坐标中心、车头朝上的俯视语义布局，在有观测支撑的范围内保持道路结构的相对位置、形状和连接关系，并正确处理左前、正前、右前镜头的方位差异。" }, { "id": "C2", "text_zh": "正确分类并固定着色：道路深灰、车道线黄色、停止线红色、其他路面标记白色、人行道青蓝、车行出入口绿色，不混淆类别及其对应位置。" }, { "id": "C3", "text_zh": "只保留输入相机已观测到的静态结构；六类外的静态观测支撑用深炭灰，无保留静态观测的栅格用黑色；不把动态对象累积进地图，不猜补未观测或始终被遮挡的区域。" }, { "id": "C4", "text_zh": "每个时刻只融合截至该帧的静态观测，新区域随观测加入，历史结构随自车运动重投影后继续保留；不逐帧清空，不以未来观测填充先前地图，同一静态结构不漂移成重复结构。" }, { "id": "C5", "text_zh": "输出与输入帧数、帧率相同的地图视频，每张地图对应同一输入时刻的自车位置和累计观测状态，不能用错时地图、乱序帧或单张地图替代。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_347", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV347", "modality": "tv2v", "name": "temporal_road_structure_bev_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将单路行车视频中截至当前帧已观测的静态道路结构，累积转换为自车中心鸟瞰语义地图视频。重点完成静态道路语义、已观测区域累积、自车鸟瞰坐标，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“静态道路语义／已观测区域累积”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现静态道路语义；已观测区域累积或自车鸟瞰坐标大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "静态道路语义已部分实现，任务意图可辨；但已观测区域累积或自车鸟瞰坐标仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "静态道路语义、已观测区域累积、自车鸟瞰坐标的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "静态道路语义、已观测区域累积、自车鸟瞰坐标完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "跟踪青色轮廓指定物体，按时序标注其支撑状态与持续下落起点。", "criteria": [ { "id": "C1", "text_zh": "全程保持青色轮廓所指目标的身份与标注关联；即使部分遮挡或移至画面边缘，也不把支撑物或旁侧小球当成目标。" }, { "id": "C2", "text_zh": "其他物体仍实际承托目标时显示 SUPPORTED，在首次持续失去该支撑的起始帧切换为 SUPPORT LOST；未失撑时不因旁物移动或支撑物倾斜而误切换。" }, { "id": "C3", "text_zh": "独立标示运动状态：持续下落开始前为 NOT FALLING，从首次持续向下运动的首帧起切换为 FALLING；无下落事件时不切换，不以失撑判断直接替代下落判断。" }, { "id": "C4", "text_zh": "输出覆盖完整原片时序，保留场景、目标轨迹和支撑物运动，并持续叠加清晰可读、与对应帧同步的支撑及运动标签，不改演事件或只给片尾结论。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_352", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV352", "modality": "tv2v", "name": "support_relation_loss_falling_onset_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，跟踪青色轮廓指定物体，按时序标注其支撑状态与持续下落起点。重点完成指定物体、支撑状态、持续下落起点，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定物体／支撑状态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定物体；支撑状态或持续下落起点大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定物体已部分实现，任务意图可辨；但支撑状态或持续下落起点仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定物体、支撑状态、持续下落起点的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定物体、支撑状态、持续下落起点完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "识别连锁反应对象的首次触发顺序，并在视频中以持续编号和短时高亮呈现。", "criteria": [ { "id": "C1", "text_zh": "为实际触发的每个链条对象编号，不遗漏参与者；从未触发的对象及无关场景物体保持无编号。" }, { "id": "C2", "text_zh": "按对象首次触发的实际先后从1开始编号，同一帧首次触发者使用同一名次；不能按空间排列或完全倒平的次序替代触发顺序。" }, { "id": "C3", "text_zh": "编号在对象首次触发时出现，之后数值不变并持续可读至片段结束，随其运动保持对象关联；倾倒或遮挡不应造成编号丢失或换绑。" }, { "id": "C4", "text_zh": "每个对象首次触发时短暂高亮该对象，随后撤去高亮；不能错亮无关对象，或用永久着色替代触发提示。" }, { "id": "C5", "text_zh": "除编号与触发高亮外，保留输入场景、对象身份及原有运动和事件时序，不增删物体、改写连锁传播，或让原本未触发的对象发生触发。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_353", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV353", "modality": "tv2v", "name": "domino_chain_trigger_order_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别连锁反应对象的首次触发顺序，并在视频中以持续编号和短时高亮呈现。重点完成因果触发顺序、对象编号、短时触发高亮，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“因果触发顺序／对象编号”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现因果触发顺序；对象编号或短时触发高亮大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "因果触发顺序已部分实现，任务意图可辨；但对象编号或短时触发高亮仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "因果触发顺序、对象编号、短时触发高亮的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "因果触发顺序、对象编号、短时触发高亮完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "按文字指令转换视频的视觉风格、光色或环境，同时保留主要内容与动态。", "criteria": [ { "id": "C1", "text_zh": "将绘画表现转为清楚可辨的摄影质感，使材质、明暗和细节不再以绘画笔触与描线效果为主。" }, { "id": "C2", "text_zh": "场景呈现明确的户外环境线索与明亮晴天照明，而非仅把原室内画面整体提亮。" }, { "id": "C3", "text_zh": "按相应指令形成赛博朋克光色风格、鲜亮赛博朋克配色，或相对输入新增、增强可辨的霓虹发光感。" }, { "id": "C4", "text_zh": "主要人物或物体、关键道具及基本构图关系与输入可对应，不因外观编辑丢失主体或改写主要活动。" }, { "id": "C5", "text_zh": "保持输入可辨的动作与取景变化进程，使风格和灯效随主体、场景连贯延续，不出现显著闪烁、结构跳变或主体漂移。" } ], "domains_zh": [ "交通与出行", "艺术与动画内容", "人类活动与交互", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_354", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV354", "modality": "tv2v", "name": "instruction_guided_video_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指令转换视频的视觉风格、光色或环境，同时保留主要内容与动态。重点完成指定风格光色环境、主要内容、动态保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定风格光色环境／主要内容”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定风格光色环境；主要内容或动态保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定风格光色环境已部分实现，任务意图可辨；但主要内容或动态保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定风格光色环境、主要内容、动态保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定风格光色环境、主要内容、动态保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "在保留原视频内容与时序的前提下，全程叠加指定英文底部字幕。", "criteria": [ { "id": "C1", "text_zh": "新增字幕的文本与该样本 Prompt 指定的英文词完全一致，大小写正确，不增删、误拼或改写。" }, { "id": "C2", "text_zh": "字幕从视频开始至结束持续位于画面底部并清晰可读，不间歇缺失、移出底部或被裁切。" }, { "id": "C3", "text_zh": "保留输入视频的完整时段、动作顺序及播放节奏，不截断、插入片段、重排或变速。" }, { "id": "C4", "text_zh": "除底部字幕叠加外，人物外观、手势动作、背景及取景均与 Input 保持一致，不新增、删除或修改其他内容。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_355", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV355", "modality": "tv2v", "name": "reference_guided_isolated_sign_word_caption_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留原视频内容与时序的前提下，全程叠加指定英文底部字幕。重点完成指定英文字幕、可读底部叠加、原视频完整性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定英文字幕／可读底部叠加”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定英文字幕；可读底部叠加或原视频完整性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定英文字幕已部分实现，任务意图可辨；但可读底部叠加或原视频完整性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定英文字幕、可读底部叠加、原视频完整性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定英文字幕、可读底部叠加、原视频完整性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "修复码流损坏造成的视频时空伪影，同时保持原场景与运动时序。", "criteria": [ { "id": "C1", "text_zh": "清除实际存在的块状断裂、异常色斑或色带、空间错位和条纹涂抹，恢复受损区域与原场景上下文一致的轮廓、纹理和颜色。" }, { "id": "C2", "text_zh": "保留原有主体与物体的身份、数量、外观特征，以及背景、空间关系和取景；未损坏内容不被误改，不以裁掉损坏区、替换场景或增删对象代替修复。" }, { "id": "C3", "text_zh": "保持原有主体动作、镜头运动及其时间对应关系，保留帧序、时长与速度，不通过跳帧、冻结、重复片段或变速掩盖损坏。" }, { "id": "C4", "text_zh": "消除在后续帧持续或反复出现的损坏残留，修复区域随原运动稳定、连贯变化，不新增闪烁、拖影或局部结构突跳。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_357", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV357", "modality": "tv2v", "name": "blind_bitstream_corrupted_video_recovery", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，修复码流损坏造成的视频时空伪影，同时保持原场景与运动时序。重点完成码流损伤修复、对应场景内容、时间连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“码流损伤修复／对应场景内容”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现码流损伤修复；对应场景内容或时间连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "码流损伤修复已部分实现，任务意图可辨；但对应场景内容或时间连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "码流损伤修复、对应场景内容、时间连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "码流损伤修复、对应场景内容、时间连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将前视RGB视频转换为场景对齐、以稳定色标表达远近的深度可视化视频。", "criteria": [ { "id": "C1", "text_zh": "同一场景主要远近、表面梯度和遮挡深度关系清楚。" }, { "id": "C2", "text_zh": "沿用Prompt固定色标的近远方向和大致档位，跨帧尺度稳定。" }, { "id": "C3", "text_zh": "轮廓、视点和动态与输入对应，不要求从RGB恢复精确米制距离或逐RGB查表一致。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_372", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV372", "modality": "tv2v", "name": "tartanground_front_rgb_to_fixed_scale_depth_colormap", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将前视RGB视频转换为场景对齐、以稳定色标表达远近的深度可视化视频。重点完成场景远近与深度梯度、固定色标方向、轮廓和运动对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“场景远近与深度梯度／固定色标方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现场景远近与深度梯度；固定色标方向或轮廓和运动对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "场景远近与深度梯度已部分实现，任务意图可辨；但固定色标方向或轮廓和运动对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "场景远近与深度梯度、固定色标方向、轮廓和运动对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "场景远近与深度梯度、固定色标方向、轮廓和运动对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将前视针孔视频转换为场景与运动对应的机器人鱼眼视频。", "criteria": [ { "id": "C1", "text_zh": "输出具有圆形鱼眼有效视域及一致的径向弯曲、边缘尺度压缩，而非仅给针孔画面套圆形遮罩。" }, { "id": "C2", "text_zh": "在共有视野内保留同一场景、主要地标和空间邻接关系，建筑、地面及物体可辨认对应，不无故换景或增删主要对象。" }, { "id": "C3", "text_zh": "输出比输入呈现更宽的环境范围，新增周边与共有区域在结构和遮挡关系上合理衔接。" }, { "id": "C4", "text_zh": "镜头行进、转向和倾斜变化的进程与输入对应，主要地标出现顺序不变；场景内容与鱼眼变形随时间稳定，不出现无依据跳变或物体漂移。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_373", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV373", "modality": "tv2v", "name": "synchronized_multiview_pinhole_to_robot_fisheye_video_synthesis", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将前视针孔视频转换为场景与运动对应的机器人鱼眼视频。重点完成鱼眼投影、同一机器人场景、动作同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“鱼眼投影／同一机器人场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现鱼眼投影；同一机器人场景或动作同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "鱼眼投影已部分实现，任务意图可辨；但同一机器人场景或动作同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "鱼眼投影、同一机器人场景、动作同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "鱼眼投影、同一机器人场景、动作同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "将相邻视频帧的像素可见性变化转换为源帧与当前帧并列的类别色图。", "criteria": [ { "id": "C1", "text_zh": "区分相邻帧中持续可见、被遮挡、新显露等适用区域，类别色和左右面板身份正确。" }, { "id": "C2", "text_zh": "显隐边界与物体和相机运动相符，覆盖主要变化区域。" }, { "id": "C3", "text_zh": "极远天空等难以形成有效深度的区域可按样例置灰，不将所有背景一律判为无效。" }, { "id": "C4", "text_zh": "保留原帧对的空间与时间关系，不要求逐像素可见性掩码相同。" } ], "domains_zh": [ "自然环境与地球观测", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_374", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV374", "modality": "tv2v", "name": "temporal_disocclusion_region_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将相邻视频帧的像素可见性变化转换为源帧与当前帧并列的类别色图。重点完成相邻帧显隐变化、源帧和当前帧对应、类别色图，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相邻帧显隐变化／源帧和当前帧对应”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相邻帧显隐变化；源帧和当前帧对应或类别色图大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相邻帧显隐变化已部分实现，任务意图可辨；但源帧和当前帧对应或类别色图仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相邻帧显隐变化、源帧和当前帧对应、类别色图的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相邻帧显隐变化、源帧和当前帧对应、类别色图完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "依据图文任务参考跟踪机器人执行视频中的语义子目标，并叠加英文进度标注。", "criteria": [ { "id": "C1", "text_zh": "子目标与 Reference 的对象、目标和先后关系一致：重排后复原为两阶段，依次放入两个容器再归位为三阶段，当前堆叠示范对应两次目标状态变化。" }, { "id": "C2", "text_zh": "以可读英文标示当前语义子目标及所处阶段；执行中任一时刻仅有一个活动子目标，文字与所用进度标记一致。" }, { "id": "C3", "text_zh": "仅随目标状态推进而切换阶段；移动、抓放或重复尝试本身不增加阶段，未达成时保持原阶段，全部有序目标达成后才显示完成。" }, { "id": "C4", "text_zh": "新增或更新的英文和进度图形仅位于原有下方中性状态带，上方机器人、物体、桌面及背景保持不变，不遮盖或裁剪场景。" }, { "id": "C5", "text_zh": "保留 Input 的每个捕获帧及原始先后顺序，不循环、重排、丢弃、额外重复或插值补帧。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_375", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV375", "modality": "rv2v", "name": "prompt_conditioned_robot_subgoal_progress_visualization", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据图文任务参考跟踪机器人执行视频中的语义子目标，并叠加英文进度标注。重点完成机器人语义子目标、完成进度、同步英文状态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“机器人语义子目标／完成进度”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现机器人语义子目标；完成进度或同步英文状态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "机器人语义子目标已部分实现，任务意图可辨；但完成进度或同步英文状态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "机器人语义子目标、完成进度、同步英文状态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "机器人语义子目标、完成进度、同步英文状态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将位势高度场视频转换为对应区域和阶段的近地面气温场视觉表示。", "criteria": [ { "id": "C1", "text_zh": "输出具有对应气温场而非原位势高度场的视觉分布。" }, { "id": "C2", "text_zh": "主要冷暖区域、梯度、形态和相对强弱大致匹配同阶段监督。" }, { "id": "C3", "text_zh": "保持区域方位、网格布局和时间顺序，色条与所表达物理量自洽。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_376", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV376", "modality": "tv2v", "name": "era5_500hpa_geopotential_to_2m_temperature_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将位势高度场视频转换为对应区域和阶段的近地面气温场视觉表示。重点完成温度场主要分布、冷暖梯度、同区域同阶段变化，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“温度场主要分布／冷暖梯度”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现温度场主要分布；冷暖梯度或同区域同阶段变化大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "温度场主要分布已部分实现，任务意图可辨；但冷暖梯度或同区域同阶段变化仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "温度场主要分布、冷暖梯度、同区域同阶段变化的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "温度场主要分布、冷暖梯度、同区域同阶段变化完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "去除视频的有界H.264压缩退化，保真恢复原片段。", "criteria": [ { "id": "C1", "text_zh": "有效去除输入中可见的压缩块化和纹理糊化，恢复原有边缘与细节，避免以涂抹或凭空生成纹理替代复原。" }, { "id": "C2", "text_zh": "保留同一场景、全部可见物体、可辨文字及反射内容，维持物体形状、相对位置、透视与构图，不增删或替换内容。" }, { "id": "C3", "text_zh": "保持原有物体颜色、整体色调和明暗、光照关系，不将压缩修复变为明显的调色或重新打光。" }, { "id": "C4", "text_zh": "保持原有相机与物体运动、帧序、帧率及时间关系，修复细节在运动中保持一致，不新增明显闪烁、拖影、停顿或跳变。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_378", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV378", "modality": "tv2v", "name": "bounded_compression_degradation_video_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除视频的有界H.264压缩退化，保真恢复原片段。重点完成压缩退化去除、真实内容、时序保真，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“压缩退化去除／真实内容”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现压缩退化去除；真实内容或时序保真大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "压缩退化去除已部分实现，任务意图可辨；但真实内容或时序保真仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "压缩退化去除、真实内容、时序保真的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "压缩退化去除、真实内容、时序保真完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "利用同帧SAR引导，逐时相去除光学遥感序列中的合成云遮挡并保持场景与时序。", "criteria": [ { "id": "C1", "text_zh": "逐时相移除右侧光学面板新增的合成云遮挡，恢复与同一地点、同一时相相符的光学内容，不以空白或无关填充替代。" }, { "id": "C2", "text_zh": "保持左SAR、右光学的双面板布局；左侧SAR逐时相保留原有内容、几何和伪彩表现，不随右侧去云被替换或改绘。" }, { "id": "C3", "text_zh": "保持地物类型、可辨位置和边界，修复区域符合SAR及光学可见线索；不虚构或搬移地形、道路与建筑，也不把真实浪花和亮色地物当云抹去。" }, { "id": "C4", "text_zh": "右侧保持真彩色光学影像的地物色彩与成像特征，不将SAR伪彩色或雷达斑点纹理复制进来。" }, { "id": "C5", "text_zh": "输出与输入逐时相一一对应，保持帧数和先后顺序，保留植被、地表及海面状态的真实时相差异，不用重复清晰帧或跨季节替换抹平变化。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_379", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV379", "modality": "tv2v", "name": "sar_guided_multitemporal_satellite_cloud_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，利用同帧SAR引导，逐时相去除光学遥感序列中的合成云遮挡并保持场景与时序。重点完成云遮挡去除、SAR支持的地物、遥感时相保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“云遮挡去除／SAR支持的地物”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现云遮挡去除；SAR支持的地物或遥感时相保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "云遮挡去除已部分实现，任务意图可辨；但SAR支持的地物或遥感时相保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "云遮挡去除、SAR支持的地物、遥感时相保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "云遮挡去除、SAR支持的地物、遥感时相保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "为俯视双鼠互动视频叠加身份一致的姿态、方向和逐帧行为分析标注。", "criteria": [ { "id": "C1", "text_zh": "两只鼠各有可区分且稳定的身份色，骨架与正确个体对应。" }, { "id": "C2", "text_zh": "姿态、身体朝向和交互行为与可见动作相符。" }, { "id": "C3", "text_zh": "参考当前样本的GT身份配色，不把黑鼠必为入侵者或白鼠必为居民推广为全局定律。" }, { "id": "C4", "text_zh": "标注随两鼠运动更新，保留原场景和行为时序。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_380", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV380", "modality": "tv2v", "name": "dyadic_mouse_social_behavior_role_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为俯视双鼠互动视频叠加身份一致的姿态、方向和逐帧行为分析标注。重点完成两鼠身份、姿态和朝向、交互行为与配色，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“两鼠身份／姿态和朝向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现两鼠身份；姿态和朝向或交互行为与配色大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "两鼠身份已部分实现，任务意图可辨；但姿态和朝向或交互行为与配色仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "两鼠身份、姿态和朝向、交互行为与配色的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "两鼠身份、姿态和朝向、交互行为与配色完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "按动作描述锁定人物，在保留其清晰度的同时对视频背景进行时序稳定的浅景深虚化。", "criteria": [ { "id": "C1", "text_zh": "准确选中动作描述所指的人物，保留其可见面部、衣着与肢体的原有清晰度，边缘处不明显侵蚀或漏掉主体。" }, { "id": "C2", "text_zh": "仅对背景施加明显的浅景深式模糊，充分弱化背景纹理和物体细节，使其相对人物更虚，而非全画面一起模糊或只处理零散小块。" }, { "id": "C3", "text_zh": "全程跟随人物姿态和位移更新清晰区，背景虚化强度与边缘过渡连贯稳定，不新增明显闪烁、边界漂移或拖尾。" }, { "id": "C4", "text_zh": "除预期虚化外，保留原人物身份与外观、动作及其时序、场景布局和镜头变化，不换景、不改写动作、不凭空增删主要对象。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_381", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV381", "modality": "tv2v", "name": "subject_aware_background_bokeh_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按动作描述锁定人物，在保留其清晰度的同时对视频背景进行时序稳定的浅景深虚化。重点完成指定人物清晰、背景浅景深、目标轮廓与时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定人物清晰／背景浅景深”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定人物清晰；背景浅景深或目标轮廓与时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定人物清晰已部分实现，任务意图可辨；但背景浅景深或目标轮廓与时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定人物清晰、背景浅景深、目标轮廓与时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定人物清晰、背景浅景深、目标轮廓与时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "参照另一视角，续写人物伸手抓住指定桌面物体并将其提起的动作。", "criteria": [ { "id": "C1", "text_zh": "沿Input的主视角，从末段已有的人物姿态和物体状态续接，保留人物身份、桌面环境及非目标物体的主要布局。" }, { "id": "C2", "text_zh": "准确选中当前Prompt指定的物体并保持其身份，不换物或误抓邻近物。" }, { "id": "C3", "text_zh": "可辨认地依次呈现手臂伸向目标、手部接触并形成抓握，不以物体瞬间出现在手中替代取物过程。" }, { "id": "C4", "text_zh": "抓握后将目标抬离桌面，末段由手持住并随手运动，保持可信的手物接触关系；仅触碰、贴桌拖动或无接触漂浮不算完成。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_391", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV391", "modality": "rv2v", "name": "language_grounded_multi_object_grasp_video_generation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，参照另一视角，续写人物伸手抓住指定桌面物体并将其提起的动作。重点完成指定物体拿取、跨视角动作衔接、抓握和提起，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定物体拿取／跨视角动作衔接”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定物体拿取；跨视角动作衔接或抓握和提起大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定物体拿取已部分实现，任务意图可辨；但跨视角动作衔接或抓握和提起仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定物体拿取、跨视角动作衔接、抓握和提起的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定物体拿取、跨视角动作衔接、抓握和提起完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "利用同步校正的双目行车视频，生成左目对齐的固定色标视差视频。", "criteria": [ { "id": "C1", "text_zh": "生成与左目场景对齐的视差表示，近远和遮挡关系符合双目线索。" }, { "id": "C2", "text_zh": "使用稳定色标表达视差相对大小，不随帧任意归一化换色。" }, { "id": "C3", "text_zh": "保持原场景运动与时间对应，不要求精确视差像素或底层编码值。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_394", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV394", "modality": "rv2v", "name": "synchronized_stereo_rgb_to_disparity_visualization", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，利用同步校正的双目行车视频，生成左目对齐的固定色标视差视频。重点完成左目对齐视差、相对大小与遮挡、统一伪彩，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左目对齐视差／相对大小与遮挡”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左目对齐视差；相对大小与遮挡或统一伪彩大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左目对齐视差已部分实现，任务意图可辨；但相对大小与遮挡或统一伪彩仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左目对齐视差、相对大小与遮挡、统一伪彩的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左目对齐视差、相对大小与遮挡、统一伪彩完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "对视频中的真实运动前景进行对象级分割，并在其运动后持续叠加半透明绿色掩膜。", "criteria": [ { "id": "C1", "text_zh": "识别有效区域内在输入片段中发生运动的所有真实前景对象，覆盖其当前可见整体，而非只标出运动边缘或局部变化。" }, { "id": "C2", "text_zh": "不标注全程静止对象；阴影、光照变化、摆动植被、水面、天气、动态背景、噪声及相机抖动不能触发前景掩膜。" }, { "id": "C3", "text_zh": "对象一旦运动，在后续可见帧中持续随其位置和形状标注，停止运动也不撤罩，旧位置不残留掩膜轨迹。" }, { "id": "C4", "text_zh": "以半透明绿色掩膜叠加在对象上，使原对象细节仍可辨认，不以实心遮挡、框线或独立二值图替代。" }, { "id": "C5", "text_zh": "掩膜外的原场景内容和空间布局不变；表示无效标注区的黑色填充保持原样，不涂绿、不补画、不裁去。" }, { "id": "C6", "text_zh": "输出保持输入声明的播放时序、帧序与时长，不通过加速、减速、删改或重排片段改变运动过程。" } ], "domains_zh": [ "人类活动与交互", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_395", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV395", "modality": "tv2v", "name": "robust_moving_foreground_segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对视频中的真实运动前景进行对象级分割，并在其运动后持续叠加半透明绿色掩膜。重点完成真实运动前景、对象区域绿色覆盖、运动后持续跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“真实运动前景／对象区域绿色覆盖”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现真实运动前景；对象区域绿色覆盖或运动后持续跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "真实运动前景已部分实现，任务意图可辨；但对象区域绿色覆盖或运动后持续跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "真实运动前景、对象区域绿色覆盖、运动后持续跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "真实运动前景、对象区域绿色覆盖、运动后持续跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "依多条文本指令组合编辑视频中的主体外观、附加物体与背景，并保持未指定内容和运动。", "criteria": [ { "id": "C1", "text_zh": "替换既有外观时实现当前指令规定的颜色、材质及结构变化，保留未要求改变的主体属性。" }, { "id": "C2", "text_zh": "添加指定物体及附属部件，满足其数量、形态和与主体／环境的空间关系。" }, { "id": "C3", "text_zh": "换景分支生成当前指令规定的环境，保留前景主体；原背景不再主导输出。" }, { "id": "C4", "text_zh": "保留原视频主体身份、非编辑部位及主要动作进程，维持基本构图与镜头变化；不得为了换装、换色或换景而换人、改变海怪主要形态或重造车辆主体。" }, { "id": "C5", "text_zh": "各项编辑在其可见时段持续成立，并随主体或镜头变化保持合理位置与遮挡；不得出现原色或原景反复回跳、新增对象无故消失，或围巾、扩散器等附着物明显漂移。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "交通与出行", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_402", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV402", "modality": "tv2v", "name": "compositional_multi_instruction_video_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依多条文本指令组合编辑视频中的主体外观、附加物体与背景，并保持未指定内容和运动。重点完成多条指定编辑、目标属性和背景、非编辑内容与动态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“多条指定编辑／目标属性和背景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现多条指定编辑；目标属性和背景或非编辑内容与动态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "多条指定编辑已部分实现，任务意图可辨；但目标属性和背景或非编辑内容与动态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "多条指定编辑、目标属性和背景、非编辑内容与动态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "多条指定编辑、目标属性和背景、非编辑内容与动态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "续写打孔折纸的逆序展开，按折叠关系还原孔洞图案。", "criteria": [ { "id": "C1", "text_zh": "按折叠的逆顺序展开同一张纸，展开动作和层间关系连贯。" }, { "id": "C2", "text_zh": "根据当前孔组形成大致正确的孔数、分布与对称或对应关系，不盲套一种标准贯穿假设。" }, { "id": "C3", "text_zh": "最终孔图与当前任务监督的主要图案相符，不要求孔边界逐像素一致。" }, { "id": "C4", "text_zh": "保留纸张和已知孔洞，不能靠任意新增孔替代展开推理。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_406", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV406", "modality": "tv2v", "name": "paper_folding_punch_unfolding", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续写打孔折纸的逆序展开，按折叠关系还原孔洞图案。重点完成逆序展开、同一折纸和孔组、孔位分布与连续几何，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“逆序展开／同一折纸和孔组”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现逆序展开；同一折纸和孔组或孔位分布与连续几何大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "逆序展开已部分实现，任务意图可辨；但同一折纸和孔组或孔位分布与连续几何仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "逆序展开、同一折纸和孔组、孔位分布与连续几何的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "逆序展开、同一折纸和孔组、孔位分布与连续几何完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "根据开关闭合后的电路通断，按距电池远近逐个点亮应亮的灯泡。", "criteria": [ { "id": "C1", "text_zh": "最终亮灯集合恰好是处在电池正负极完整导通回路上的灯泡；原有亮灯保留，新增导通灯点亮后保持，其余灯持续暗。" }, { "id": "C2", "text_zh": "新增点亮过程从输入所示开关完成闭合时开始，闭合前保持初始灯态，不提前新增亮灯。" }, { "id": "C3", "text_zh": "有多个新增导通灯时，按距电池由近到远逐个点亮，而非同时全亮。" }, { "id": "C4", "text_zh": "除新增灯态外，保留输入的开关闭合动作、其他开关状态、导线连接、元件位置和身份、标签及图例，不改变电路结构与布局。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_407", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV407", "modality": "tv2v", "name": "circuit_connectivity_reasoning", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据开关闭合后的电路通断，按距电池远近逐个点亮应亮的灯泡。重点完成电路通断、应亮灯泡集合、从近到远点亮顺序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“电路通断／应亮灯泡集合”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现电路通断；应亮灯泡集合或从近到远点亮顺序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "电路通断已部分实现，任务意图可辨；但应亮灯泡集合或从近到远点亮顺序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "电路通断、应亮灯泡集合、从近到远点亮顺序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "电路通断、应亮灯泡集合、从近到远点亮顺序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "根据图例密度预测并续演物体入液后的浮沉、排液升高与波纹平息。", "criteria": [ { "id": "C1", "text_zh": "逐个按图例比较物体与液体密度：较低者最终漂浮，相等者全浸悬浮，较高者沉至槽底；多物体不得遗漏或互换结局。" }, { "id": "C2", "text_zh": "漂浮时，稳定水线对应的浸没体积分数应等于物体密度与液体密度之比，并与物体形状相容。" }, { "id": "C3", "text_zh": "自然续接输入的落下状态，呈现物体接触液面、入液并趋稳的过程，伴随波纹产生、减弱直至平息，而非仅显示静态终点。" }, { "id": "C4", "text_zh": "液面因排液上升，平均液位变化与浸没体积相称并在终态稳定；多物体时应计入所有物体的排液。" }, { "id": "C5", "text_zh": "除释放动作、物体入液运动及液面响应外，保持物体数量、形状大小、材质身份、图例密度值、液体类别、槽体、释放装置、背景及视角布局不变。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_408", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV408", "modality": "tv2v", "name": "buoyancy_float_sink_prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据图例密度预测并续演物体入液后的浮沉、排液升高与波纹平息。重点完成密度决定浮沉、液面与排液、合理运动和平息，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“密度决定浮沉／液面与排液”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现密度决定浮沉；液面与排液或合理运动和平息大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "密度决定浮沉已部分实现，任务意图可辨；但液面与排液或合理运动和平息仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "密度决定浮沉、液面与排液、合理运动和平息的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "密度决定浮沉、液面与排液、合理运动和平息完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "续演连通器的注水与停水过程，使不同支管经底部联动并最终稳定在同一液位。", "criteria": [ { "id": "C1", "text_zh": "从输入末态接续，由原水源向同一受水支管恒流注水，再呈现入流停止；不能重置已有液位或更换受水支管。" }, { "id": "C2", "text_zh": "水经共同底部传递，带动未直接受水的各支管增水、液面总体上升，并体现窄支管较快的暂态液位响应，而非仅灌高受水支管。" }, { "id": "C3", "text_zh": "停水后各支管的液位差逐步收敛，最终所有自由液面在可辨尺度上位于同一水平线并保持稳定，不能让窄管永久较高或仅在末帧突然对齐。" }, { "id": "C4", "text_zh": "注水、管间转移和外流对应的可见水量变化应自洽；停水且无外流时不得凭空增减水，最终共同液位须与容器内留存水量相容。" }, { "id": "C5", "text_zh": "保持输入中的分支数量、宽窄与管形、底部连接、水源位置、背景布局和视角；除入流、液面变化及必要溢流外，不改动场景内容或结构。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_409", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV409", "modality": "tv2v", "name": "communicating_vessels_water_level", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续演连通器的注水与停水过程，使不同支管经底部联动并最终稳定在同一液位。重点完成各管液体联动、注停水过程、最终同液位，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“各管液体联动／注停水过程”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现各管液体联动；注停水过程或最终同液位大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "各管液体联动已部分实现，任务意图可辨；但注停水过程或最终同液位仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "各管液体联动、注停水过程、最终同液位的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "各管液体联动、注停水过程、最终同液位完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "以首帧参考图为锚点，将外部相机的机械臂操作视频转换为同步的腕部手眼相机视角。", "criteria": [ { "id": "C1", "text_zh": "首帧按参考图呈现腕部相机取景，夹爪与场景物件的方向、相对位置及可见范围相符。" }, { "id": "C2", "text_zh": "后续视点固定于腕部并随其运动，背景位移、物体尺度、透视和遮挡与该运动一致，不能保留外部机位或用固定裁切、单纯缩放替代。" }, { "id": "C3", "text_zh": "夹爪、被操作物及周围物件的身份保持一致，场景内布局与输入事件相符，不发生无因换物、增删或重排。" }, { "id": "C4", "text_zh": "同一时刻呈现输入对应的操作阶段，保留接近、夹持、提起、搬移等实际发生的动作及其时机、节奏和帧序，不跳步、倒序或补写输入之外的动作。" }, { "id": "C5", "text_zh": "不新增文字标签、力指示、箭头或其他覆盖层，只呈现对应腕部相机中的场景内容。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_413", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV413", "modality": "rv2v", "name": "external_to_eye_in_hand_video_translation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，以首帧参考图为锚点，将外部相机的机械臂操作视频转换为同步的腕部手眼相机视角。重点完成参考腕部视角、原机械臂操作、新视角空间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考腕部视角／原机械臂操作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考腕部视角；原机械臂操作或新视角空间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考腕部视角已部分实现，任务意图可辨；但原机械臂操作或新视角空间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考腕部视角、原机械臂操作、新视角空间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考腕部视角、原机械臂操作、新视角空间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "3D Shape & Pose", "leaf_id": "G4", "leaf_zh": "三维形状与位姿" }, "core_zh": "在事件相机视频上叠加物体掩码、三维包围框及6D位姿坐标轴。", "criteria": [ { "id": "C1", "text_zh": "在事件画面中定位主要对象并叠加掩膜、三维框和姿态轴。" }, { "id": "C2", "text_zh": "对象位置、方向和大致尺度相符，轴和框属于正确对象。" }, { "id": "C3", "text_zh": "标注随事件运动同步变化并保留原事件内容。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_414", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV414", "modality": "tv2v", "name": "event_camera_object_6d_pose_mask_overlay_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在事件相机视频上叠加物体掩码、三维包围框及6D位姿坐标轴。重点完成事件图中的物体、掩膜与三维框轴、姿态跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“事件图中的物体／掩膜与三维框轴”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现事件图中的物体；掩膜与三维框轴或姿态跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "事件图中的物体已部分实现，任务意图可辨；但掩膜与三维框轴或姿态跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "事件图中的物体、掩膜与三维框轴、姿态跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "事件图中的物体、掩膜与三维框轴、姿态跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "在保持天气场景及其演化的前提下，将日间可见光云图视频转换为长波红外亮温视频。", "criteria": [ { "id": "C1", "text_zh": "输出呈现10.3 μm长波红外亮温层次，云区与背景的相对明暗反映热差异，而不是将可见光视频统一压暗、反相或照搬反射纹理。" }, { "id": "C2", "text_zh": "保留输入所用ABI固定网格的地理视域、朝向和空间配准；可见海岸等地理锚点位置稳定，不重新取景或引入整体漂移、旋转及投影扭曲。" }, { "id": "C3", "text_zh": "保留同一云系的几何结构：云团位置、主体轮廓、尺度、云带走向及相对布局对应输入，不凭空增删或重塑云结构。" }, { "id": "C4", "text_zh": "保持输入的扫描节奏、时间顺序和云系演化对应关系，云团位移及形变不被改速、移时、重排或冻结，亮温表征不出现与天气演化无关的跨帧闪跳。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_418", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV418", "modality": "tv2v", "name": "daytime_visible_to_clean_longwave_infrared_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持天气场景及其演化的前提下，将日间可见光云图视频转换为长波红外亮温视频。重点完成红外亮温表现、同一天气结构、时序演化，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“红外亮温表现／同一天气结构”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现红外亮温表现；同一天气结构或时序演化大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "红外亮温表现已部分实现，任务意图可辨；但同一天气结构或时序演化仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "红外亮温表现、同一天气结构、时序演化的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "红外亮温表现、同一天气结构、时序演化完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "依据过去48分钟的雷达回波，预测同一地理区域未来48分钟的反射率时空演化。", "criteria": [ { "id": "C1", "text_zh": "输出承接历史末态、表示其后48分钟的雷达反射率视频序列，而非历史重播、末帧冻结或仅一幅未来图。" }, { "id": "C2", "text_zh": "保持输入雷达区域的地理窗口、朝向及相对空间配准，不以整个画布的平移、缩放或旋转冒充风暴运动。" }, { "id": "C3", "text_zh": "主要回波区和强回波中心的运动方向、相对位移及适用的旋转趋势符合后续演变，并从输入末态到预测各时刻保持可追踪的时序关系。" }, { "id": "C4", "text_zh": "预测主要回波团和雨带的覆盖范围、轮廓、连接关系及局部增生消散，使其符合后续主要结构变化，不能仅用固定图案的刚性搬移替代形态演变。" }, { "id": "C5", "text_zh": "预测主要回波的强度层级及增强、减弱趋势，沿用Prompt规定的反射率色阶，并区分低反射率与缺测或无覆盖。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_419", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV419", "modality": "tv2v", "name": "temporal_posterization_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据过去48分钟的雷达回波，预测同一地理区域未来48分钟的反射率时空演化。重点完成后续雷达形态强度、同一地理范围、未来时间推进，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“后续雷达形态强度／同一地理范围”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现后续雷达形态强度；同一地理范围或未来时间推进大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "后续雷达形态强度已部分实现，任务意图可辨；但同一地理范围或未来时间推进仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "后续雷达形态强度、同一地理范围、未来时间推进的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "后续雷达形态强度、同一地理范围、未来时间推进完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将RGB视频中的亮度时间变化转为带正负极性的事件相机脉冲表示。", "criteria": [ { "id": "C1", "text_zh": "输出以亮度时间变化为内容的事件脉冲表示，未变化区域保持暗，不能以原RGB画面或固定边缘图代替。" }, { "id": "C2", "text_zh": "正亮度变化事件显示为青色（cyan），负亮度变化事件显示为红色，颜色与极性的对应保持正确。" }, { "id": "C3", "text_zh": "事件响应与输入中产生亮度变化的部位空间对应，保持相关轮廓、纹理及其相对位置，不使主要响应错位、变形或移到其他结构上。" }, { "id": "C4", "text_zh": "事件随输入变化及时出现、消退和更新，保持原时序与节奏，不发生明显提前、滞后、冻结或重排。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_420", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV420", "modality": "tv2v", "name": "rgb_to_event_camera_motion_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将RGB视频中的亮度时间变化转为带正负极性的事件相机脉冲表示。重点完成亮度变化事件、正负极性、时空运动边缘，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“亮度变化事件／正负极性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现亮度变化事件；正负极性或时空运动边缘大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "亮度变化事件已部分实现，任务意图可辨；但正负极性或时空运动边缘仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "亮度变化事件、正负极性、时空运动边缘的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "亮度变化事件、正负极性、时空运动边缘完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将机器人叠衣的俯视视频转换为同一过程、同一时间轴的指定腕部视角。", "criteria": [ { "id": "C1", "text_zh": "按Prompt生成指定左／右腕部的RGB视角，视点与朝向随该腕运动，具有相应近景透视和遮挡，不以俯视裁切或游离镜头代替。" }, { "id": "C2", "text_zh": "保留同一衣物、机器人和操作环境；腕部可见的衣物结构、识别性配色与纹理、主要形变及折叠状态应与源片相符。" }, { "id": "C3", "text_zh": "保留源片的双臂与夹爪动作、开合及抓持／释放关系，腕部近景中的相对运动与这些动作相符，不新增或替换折叠步骤。" }, { "id": "C4", "text_zh": "全片沿用输入的帧序、完整时长及原生30 FPS时间采样，同一时间点对应同一操作状态，不漏段、重排、变速或用重复片段替代原过程。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_421", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV421", "modality": "tv2v", "name": "synchronized_top_to_dual_wrist_garment_manipulation_view_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将机器人叠衣的俯视视频转换为同一过程、同一时间轴的指定腕部视角。重点完成指定腕部视角、同一叠衣动作、时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定腕部视角／同一叠衣动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定腕部视角；同一叠衣动作或时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定腕部视角已部分实现，任务意图可辨；但同一叠衣动作或时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定腕部视角、同一叠衣动作、时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定腕部视角、同一叠衣动作、时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "借助同步俯视参考，将双臂叠衣过程的视频转换为对侧腕部相机视角。", "criteria": [ { "id": "C1", "text_zh": "按Prompt输出指定对侧腕部RGB视角，画面随该腕运动，呈现同一场景在该机位下的透视、相对位置和遮挡，而不是源腕画面或俯视构图。" }, { "id": "C2", "text_zh": "输出可见的衣物身份、主色花纹、形变、朝向与折层应符合Input及同步俯视Reference所约束的同一时刻状态，不更换衣物或改写折叠结果。" }, { "id": "C3", "text_zh": "保持双臂原有分工、运动和夹爪开合，使可见抓持、释放、接触位置及布料响应与对应时刻的参考过程一致，不交换两臂动作或增删交互。" }, { "id": "C4", "text_zh": "覆盖与Input相同的完整时间线，保留帧序、总时长及原生30 FPS时间基准，使事件同步、状态连续，不裁掉等待或收尾段，不变速、重排或补造动作。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_422", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV422", "modality": "rv2v", "name": "reference_guided_cross_wrist_garment_manipulation_view_translation", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，借助同步俯视参考，将双臂叠衣过程的视频转换为对侧腕部相机视角。重点完成对侧腕部观察、参考支持的双臂动作、布料与手物对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“对侧腕部观察／参考支持的双臂动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现对侧腕部观察；参考支持的双臂动作或布料与手物对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "对侧腕部观察已部分实现，任务意图可辨；但参考支持的双臂动作或布料与手物对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "对侧腕部观察、参考支持的双臂动作、布料与手物对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "对侧腕部观察、参考支持的双臂动作、布料与手物对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "为人形运动视频叠加地面、足地接触与支撑、身体中心投影及条件性滑移轨迹。", "criteria": [ { "id": "C1", "text_zh": "仅添加诊断叠加，保留原人形姿态、动作轨迹、取景和帧顺序，沿用原生120 FPS时间节奏，不重排或改速。" }, { "id": "C2", "text_zh": "将估计地面绘为可见的水平带，作为接触垫、支撑标记和身体中心投影的一致地面基准。" }, { "id": "C3", "text_zh": "跟踪左右脚：左脚接触用青色实心垫，右脚接触用橙色实心垫；摆动时改为相应颜色的空心环，标记与对应足部位置及状态同步。" }, { "id": "C4", "text_zh": "双脚接触时用黄色支撑线段连接两个有效接触点；仅一脚接触时在该接触点显示黄色光环；双脚摆动时不虚构足部支撑。" }, { "id": "C5", "text_zh": "估计随身体姿态运动的身体中心代理，用洋红色引导线垂直连接到地面，并在地面投影处绘制洋红色十字。" }, { "id": "C6", "text_zh": "接触脚发生滑移时，以红色尾迹表示该脚已走过的地面路径；不把腾空摆动轨迹误标为接地滑移。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_423", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV423", "modality": "tv2v", "name": "humanoid_foot_contact_slip_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为人形运动视频叠加地面、足地接触与支撑、身体中心投影及条件性滑移轨迹。重点完成地面与足地接触、支撑和身体中心、条件性滑移，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“地面与足地接触／支撑和身体中心”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现地面与足地接触；支撑和身体中心或条件性滑移大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "地面与足地接触已部分实现，任务意图可辨；但支撑和身体中心或条件性滑移仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "地面与足地接触、支撑和身体中心、条件性滑移的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "地面与足地接触、支撑和身体中心、条件性滑移完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "去除视频中的合成雪雾并复原对应清晰场景。", "criteria": [ { "id": "C1", "text_zh": "去除视频中叠加的雪粒、雪片和条状雪迹，各时段均不残留显著的合成降雪遮挡。" }, { "id": "C2", "text_zh": "消除附加雾幕造成的灰白和低对比，恢复原场景的色彩层次、边缘与纹理，不用整体模糊掩盖退化。" }, { "id": "C3", "text_zh": "保留原有主体、背景结构及其空间关系，不新增、替换或误删真实场景要素。" }, { "id": "C4", "text_zh": "保留原取景、物体与相机运动、帧序和计时，不裁切改构图、冻结动作、删帧重排或改变播放速度。" }, { "id": "C5", "text_zh": "复原后的纹理、边缘和亮度随原场景连续变化，不产生明显的修复闪烁、拖影或结构漂移。" } ], "domains_zh": [ "人类活动与交互", "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_424", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV424", "modality": "tv2v", "name": "dynamic_snow_video_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除视频中的合成雪雾并复原对应清晰场景。重点完成雪雾去除、真实场景恢复、原时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“雪雾去除／真实场景恢复”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现雪雾去除；真实场景恢复或原时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "雪雾去除已部分实现，任务意图可辨；但真实场景恢复或原时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "雪雾去除、真实场景恢复、原时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "雪雾去除、真实场景恢复、原时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将热成像视频转译为同一场景、同一时间线的可见光RGB视频。", "criteria": [ { "id": "C1", "text_zh": "整段转为自然的可见光RGB成像外观，重建物体表面色彩、材质与明暗，同一对象的外观跨帧稳定，不以灰度热图或温度伪彩替代。" }, { "id": "C2", "text_zh": "保持输入可辨的静态场景几何与空间布局，包括道路走向、建筑和植被轮廓、路缘及路侧设施的相对位置、尺度、透视与遮挡，不实质增删、移位或重构场景。" }, { "id": "C3", "text_zh": "保留可辨行人与车辆的数量、跨帧对应关系、姿态、运动方向和轨迹，使出现、遮挡、过街及离开等事件与输入对应，不漏失、替换、复制或瞬移。" }, { "id": "C4", "text_zh": "保留输入的相机行进方向、转弯及视角变化，并保持帧序、片段时长和事件时点一致，不改为固定镜头、重剪辑、倒序或改变播放节奏。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_425", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV425", "modality": "tv2v", "name": "thermal_to_visible_rgb_video_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将热成像视频转译为同一场景、同一时间线的可见光RGB视频。重点完成可见光场景外观、原热成像几何、同一动态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“可见光场景外观／原热成像几何”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现可见光场景外观；原热成像几何或同一动态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "可见光场景外观已部分实现，任务意图可辨；但原热成像几何或同一动态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "可见光场景外观、原热成像几何、同一动态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "可见光场景外观、原热成像几何、同一动态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "保留游戏主体、关卡布局与时序，按文字主题替换视频中的背景和静态地景。", "criteria": [ { "id": "C1", "text_zh": "将原背景与固定地景替换为提示指定的简洁二维卡通环境，去除原配色及装饰轮廓：工业分支呈灰岩、旧金属与工业构件；秋林分支呈暖琥珀、锈赭色林地及铜叶；沙漠分支呈砂岩、沙丘、裂土与枯枝。" }, { "id": "C2", "text_zh": "角色、交互物及非背景界面元素在对应时刻保持输入中的外观、身份、数量和状态，不被环境改造重绘、增删或新景物遮挡。" }, { "id": "C3", "text_zh": "保留原关卡的可见布局、台阶和通道边界以及主体与地面的空间关系；固定表面可换材质，但不能移动、增减平台或改写迷宫通路。" }, { "id": "C4", "text_zh": "原角色、交互物体、镜头及事件的顺序、节奏和时间覆盖保持，不删掉或改写游戏过程。" }, { "id": "C5", "text_zh": "新地表和静态装饰在所属场景层中保持稳定，随原镜头协调变化，不发生无因改形、移位、主题跳变或遮挡关系突变。" } ], "domains_zh": [ "游戏与棋类" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_428", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV428", "modality": "tv2v", "name": "same_time_background_and_scenery_replacement", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，保留游戏主体、关卡布局与时序，按文字主题替换视频中的背景和静态地景。重点完成指定主题背景、游戏主体和关卡、原时间过程，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定主题背景／游戏主体和关卡”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定主题背景；游戏主体和关卡或原时间过程大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定主题背景已部分实现，任务意图可辨；但游戏主体和关卡或原时间过程仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定主题背景、游戏主体和关卡、原时间过程的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定主题背景、游戏主体和关卡、原时间过程完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Attention & Gaze Estimation", "leaf_id": "P4", "leaf_zh": "注意与注视估计" }, "core_zh": "预测穿戴者的注视落区与扫描路径，以当前点和渐隐历史叠加到原视频。", "criteria": [ { "id": "C1", "text_zh": "当前注视点位于与该样本监督及场景活动相容的大致落区。" }, { "id": "C2", "text_zh": "扫描方向、主要停留与转移模式合理，不以无关固定点或任意轨迹代替。" }, { "id": "C3", "text_zh": "渐隐拖尾表达当前点的近期历史，游标与播放同步。" }, { "id": "C4", "text_zh": "保留原视频，不把眼动仪精确坐标或逐帧生理真值作为视觉评分前提。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_431", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV431", "modality": "tv2v", "name": "egocentric_gaze_scanpath_state_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，预测穿戴者的注视落区与扫描路径，以当前点和渐隐历史叠加到原视频。重点完成注视点大致落区、扫描路径趋势、当前点与渐隐历史，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“注视点大致落区／扫描路径趋势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现注视点大致落区；扫描路径趋势或当前点与渐隐历史大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "注视点大致落区已部分实现，任务意图可辨；但扫描路径趋势或当前点与渐隐历史仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "注视点大致落区、扫描路径趋势、当前点与渐隐历史的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "注视点大致落区、扫描路径趋势、当前点与渐隐历史完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Physical Property & Response Inference", "leaf_id": "Q3", "leaf_zh": "隐含物理属性与响应推断" }, "core_zh": "将物体形变视频转为带动态应变幅值热图、变形边界和施力方向的可视化视频。", "criteria": [ { "id": "C1", "text_zh": "在可变形物体区域叠加应变幅值热图，用一致色阶表达局部高低及随形变发生的时间变化，不把夹具或背景纳入热图。" }, { "id": "C2", "text_zh": "清楚描出当前形变后的物体边界，轮廓随外形变化持续贴合，而非始终使用初始矩形框。" }, { "id": "C3", "text_zh": "在对应施力位置用箭头等标记显示力方向，与该样本的压缩、拉伸或剪切加载方式一致。" }, { "id": "C4", "text_zh": "保留原物体与网格的形变过程、夹具运动、背景和构图，保持动作顺序、速度与时长，不因添加分析层而改变原运动。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_440", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV440", "modality": "tv2v", "name": "deformable_object_strain_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将物体形变视频转为带动态应变幅值热图、变形边界和施力方向的可视化视频。重点完成形变应变区域、变形边界、施力方向，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“形变应变区域／变形边界”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现形变应变区域；变形边界或施力方向大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "形变应变区域已部分实现，任务意图可辨；但变形边界或施力方向仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "形变应变区域、变形边界、施力方向的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "形变应变区域、变形边界、施力方向完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "在保留视频内容的同时，按文字改变季节、天气及环境光色。", "criteria": [ { "id": "C1", "text_zh": "整体呈现所需季节光色：春晨清润，秋景植被呈秋色，冬白为柔白冷灰、漫射光、冰冷高光与低饱和阴影，早秋为干暖金黄赭色，夏金为强琥珀光、金色反光和深暖阴影。" }, { "id": "C2", "text_zh": "落实明确要求的自然现象：春晨分支呈现露水带来的湿润闪光，落叶秋季分支出现可辨的空中叶片，并与原场景表面或空间关系相容，不能只靠调色替代。" }, { "id": "C3", "text_zh": "除季节相关的植被、光照与表面变化外，保留输入场景的身份和主要布局；人物、动物、建筑、道路围栏、地形水系及车辆等主要内容仍可辨，不被无故替换或删去。" }, { "id": "C4", "text_zh": "延续源片的镜头走向、主要活动和事件顺序；季节光色与表面效果随时间连贯，落叶分支具有飘落动态，不新增破坏主体辨认的闪变、漂移或活动中断。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_446", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV446", "modality": "tv2v", "name": "Instruction-guided season/environment editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留视频内容的同时，按文字改变季节、天气及环境光色。重点完成指定季节天气、环境光色、原场景与运动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定季节天气／环境光色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定季节天气；环境光色或原场景与运动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定季节天气已部分实现，任务意图可辨；但环境光色或原场景与运动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定季节天气、环境光色、原场景与运动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定季节天气、环境光色、原场景与运动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "将参考对局的战术思路迁移到当前国际象棋题，并用视频演示双方的完整解题变化。", "criteria": [ { "id": "C1", "text_zh": "起始局面与 Input 一致，保留棋子种类、阵营和占格；后续仅按所示走子及吃子更新局面，不任意增删、替换或移动其他棋子。" }, { "id": "C2", "text_zh": "将 Reference 展示的战术关系适配到 Input 局面，形成能够解决当前棋题的有效组合，而非只模仿棋子移动或照搬参考棋谱。" }, { "id": "C3", "text_zh": "每步满足国际象棋的走法、占格、吃子与将军应对规则，双方按确定的行棋轮次交替，新局面能够由上一局面合法得到。" }, { "id": "C4", "text_zh": "输出视频按顺序清楚呈现解题主线的全部走子与双方必要应手，推进至战术结论可确认，不能只展示首招、单方动作或终局。" } ], "domains_zh": [ "游戏与棋类" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_452", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV452", "modality": "rv2v", "name": "reference_guided_analogical_chess_puzzle_solving", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，将参考对局的战术思路迁移到当前国际象棋题，并用视频演示双方的完整解题变化。重点完成棋局合法变化、参考战术迁移、双方完整解题过程，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“棋局合法变化／参考战术迁移”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现棋局合法变化；参考战术迁移或双方完整解题过程大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "棋局合法变化已部分实现，任务意图可辨；但参考战术迁移或双方完整解题过程仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "棋局合法变化、参考战术迁移、双方完整解题过程的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "棋局合法变化、参考战术迁移、双方完整解题过程完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "依据参考终态续写 PushT 推物过程，生成承接输入的未来场景视频。", "criteria": [ { "id": "C1", "text_zh": "输出只包含输入之后的未来场景，开头承接输入末尾的块体位姿与推子位置，不重播输入、重置起点或直接跳到终态静图。" }, { "id": "C2", "text_zh": "呈现推子接触并推动 T 形块平移或旋转的连贯过程，不能用瞬移、推子与灰块间的明显穿透或无因位姿跳变替代推动。" }, { "id": "C3", "text_zh": "结束帧在可见尺度上复现对应参考图中灰色 T 形块的位置、朝向和蓝色推子位置，以及二者相对于绿色标记的空间关系。" }, { "id": "C4", "text_zh": "保持固定俯视视角、同一方形场地及绿色 T 形标记的位置与朝向，并保持灰色 T 形块和蓝色圆形推子的数量、形状与角色身份。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_453", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV453", "modality": "rv2v", "name": "lewm_pusht_goal_conditioned_video_rollout", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据参考终态续写 PushT 推物过程，生成承接输入的未来场景视频。重点完成指定推物目标、原末态续接、接触和运动路径，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定推物目标／原末态续接”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定推物目标；原末态续接或接触和运动路径大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定推物目标已部分实现，任务意图可辨；但原末态续接或接触和运动路径仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定推物目标、原末态续接、接触和运动路径的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定推物目标、原末态续接、接触和运动路径完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "根据输入场景与语言指令，续演机械臂完成指定桌面操作的过程。", "criteria": [ { "id": "C1", "text_zh": "选中指令指定的字母汤罐、橙汁盒、红杯、中间黑碗或平底锅，并在操作中保持其身份，不改拿相邻物体。" }, { "id": "C2", "text_zh": "呈现机械臂抓起、移送并落放目标物的可辨过程，物体运动与夹爪动作对应，不以只展示改过的终态或物体瞬移代替操作。" }, { "id": "C3", "text_zh": "末段形成指定空间关系：字母汤或橙汁进入篮筐，红杯落在左侧盘子上，中间黑碗叠在后方黑碗上，平底锅放在炉面上。" }, { "id": "C4", "text_zh": "开炉分支由机械臂先操作控制件使炉灶开启，再把平底锅放上；置锅阶段保持开启，不能只搬锅或颠倒两步。" }, { "id": "C5", "text_zh": "延续输入中的同一桌面场景和机械臂，保持未参与操作物体的身份、数量与主要相对布局，不因执行指令而重置场景或替换无关物体。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_454", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV454", "modality": "tv2v", "name": "libero_language_conditioned_video_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据输入场景与语言指令，续演机械臂完成指定桌面操作的过程。重点完成文字指定操作、同一机器人和物体、目标完成，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“文字指定操作／同一机器人和物体”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现文字指定操作；同一机器人和物体或目标完成大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "文字指定操作已部分实现，任务意图可辨；但同一机器人和物体或目标完成仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "文字指定操作、同一机器人和物体、目标完成的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "文字指定操作、同一机器人和物体、目标完成完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "推断移除指定物体后的候选碰撞结果，并在原视频上叠加静态编号红绿面板。", "criteria": [ { "id": "C1", "text_zh": "针对题设指定物体的移除假设，逐项正确判断候选碰撞是否发生，以绿色表示发生、红色表示不发生，不能用原视频中的接触状态代替反事实结果。" }, { "id": "C2", "text_zh": "底部设置紧凑面板，每个候选事件对应一个醒目可读的编号方块；按事件顺序从1完整列出，方块内只有编号，不漏项、重复、增项或添加状态词。" }, { "id": "C3", "text_zh": "所有结果方块从视频开头到结尾同时持续显示，编号、配色和位置保持静态；不按原片碰撞时刻出现、变色或动画，也不新增事件时间标注。" }, { "id": "C4", "text_zh": "完整保留原片的运动过程、对象身份和视角，除添加底栏外不改写场景；被假设移除的对象仍按原片出现，不生成移除后的新运动。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_457", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV457", "modality": "tv2v", "name": "clevrer_counterfactual_event_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，推断移除指定物体后的候选碰撞结果，并在原视频上叠加静态编号红绿面板。重点完成移除物体的反事实、碰撞结果判断、编号面板对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“移除物体的反事实／碰撞结果判断”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现移除物体的反事实；碰撞结果判断或编号面板对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "移除物体的反事实已部分实现，任务意图可辨；但碰撞结果判断或编号面板对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "移除物体的反事实、碰撞结果判断、编号面板对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "移除物体的反事实、碰撞结果判断、编号面板对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "依据参考目标，将双房间导航历史续写为经过门洞中心的匀速两段直线路径。", "criteria": [ { "id": "C1", "text_zh": "仅生成历史之后的导航过程，起始位置与Input末态连贯衔接，不重播历史、另设起点或直接跳到中途。" }, { "id": "C2", "text_zh": "保持同一俯视双房间场景，房间边界、隔墙及门洞位置稳定，导航主体始终为同一个可辨识的单点。" }, { "id": "C3", "text_zh": "导航点先沿直线抵达门洞中心，再沿直线抵达参考目标；不得绕行、额外转弯或改经门洞边缘。" }, { "id": "C4", "text_zh": "未来行进中沿两段路径保持同一恒定速率，等时间间隔对应等路程，不在门口额外停顿或途中突跳、忽快忽慢。" }, { "id": "C5", "text_zh": "终帧的导航点中心与参考图所示目标位置一致，视频在该状态结束，不提前停下、越过目标或到达后再离开。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_470", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV470", "modality": "rv2v", "name": "pldm_tworooms_goal_conditioned_rollout", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据参考目标，将双房间导航历史续写为经过门洞中心的匀速两段直线路径。重点完成门洞导航路径、参考目标、两段直线和运动衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“门洞导航路径／参考目标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现门洞导航路径；参考目标或两段直线和运动衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "门洞导航路径已部分实现，任务意图可辨；但参考目标或两段直线和运动衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "门洞导航路径、参考目标、两段直线和运动衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "门洞导航路径、参考目标、两段直线和运动衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "对视频中运动的线缆或软管进行像素级分割，并叠加指定颜色的半透明高亮。", "criteria": [ { "id": "C1", "text_zh": "根据输入视频中的运动，只选择正在移动的线缆或软管像素进行高亮，排除静止线缆、遮挡条带及背景。" }, { "id": "C2", "text_zh": "掩膜贴合可见运动区域的像素范围，不能明显外溢或漏标；被其他线缆或条带遮挡处按可见边界截断，不涂抹遮挡物或补画隐藏段。" }, { "id": "C3", "text_zh": "掩膜随输入中运动像素的位置、形状及可见范围更新，保持时间对应，不串到其他线缆、残留旧位置或无依据闪烁。" }, { "id": "C4", "text_zh": "按当前样本Prompt指定的颜色对运动线缆或软管作半透明高亮，不用实心色块抹去其可见内容。" }, { "id": "C5", "text_zh": "保留输入的场景、背景、构图、物体原有运动和遮挡关系，并保持时长、时序与运动节奏；除高亮叠加外不增删或改写画面内容。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_471", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV471", "modality": "tv2v", "name": "moving_cable_motion_segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对视频中运动的线缆或软管进行像素级分割，并叠加指定颜色的半透明高亮。重点完成运动线缆区域、半透明高亮、排除静止背景并随动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“运动线缆区域／半透明高亮”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现运动线缆区域；半透明高亮或排除静止背景并随动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "运动线缆区域已部分实现，任务意图可辨；但半透明高亮或排除静止背景并随动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "运动线缆区域、半透明高亮、排除静止背景并随动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "运动线缆区域、半透明高亮、排除静止背景并随动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "在保持视频人物身份与姿态的同时，按指定时空顺序逐步迁移参考妆容。", "criteria": [ { "id": "C1", "text_zh": "将参考的眼眉妆、唇妆和腮红、底妆等特征迁到输入主体对应部位，最终在主要妆色、造型与妆感上保持可辨识的一致。" }, { "id": "C2", "text_zh": "从输入原貌开始，呈现眼妆先、唇妆后、其余妆容与肤色效果最后的渐进顺序，而非开场即出现完整妆容。" }, { "id": "C3", "text_zh": "最后阶段的其余妆容与肤色妆效按画面由左到右逐步揭示，最终形成完整结果，而不是反向推进或无方向地全脸同时淡入。" }, { "id": "C4", "text_zh": "保持输入人物的身份、主要五官结构、姿态及口型；不迁入参考的发型、服饰或背景，也不误改输入中的眼镜、耳麦等物体及旁人。" }, { "id": "C5", "text_zh": "妆层在显现过程中随输入脸部位置稳定贴合眼眉、嘴唇和面颊，已完成部分无明显脱位、错误闪回或妆效丢失。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_479", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV479", "modality": "rv2v", "name": "reference_guided_progressive_makeup_transfer", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，在保持视频人物身份与姿态的同时，按指定时空顺序逐步迁移参考妆容。重点完成指定参考妆容、时空渐进顺序、人脸身份姿态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定参考妆容／时空渐进顺序”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定参考妆容；时空渐进顺序或人脸身份姿态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定参考妆容已部分实现，任务意图可辨；但时空渐进顺序或人脸身份姿态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定参考妆容、时空渐进顺序、人脸身份姿态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定参考妆容、时空渐进顺序、人脸身份姿态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "对欠采样心脏电影 MRI 视频去伪影复原，并保持心脏解剖与动态过程。", "criteria": [ { "id": "C1", "text_zh": "去除欠采样导致的明显条带、混叠重影与模糊，使心肌、血池及周围组织的边界和可见细节恢复清晰。" }, { "id": "C2", "text_zh": "保留原解剖切面与方向、对应心动相位的心腔和心肌形态及邻近组织关系，不虚构、删减或错置结构。" }, { "id": "C3", "text_zh": "保留完整心动周期内的收缩舒张顺序、相位推进和心腔及室壁的运动变化，不冻结画面、遗漏阶段或改写运动节奏。" }, { "id": "C4", "text_zh": "复原结果跨帧一致，组织边界与细节随原有心动连续演变，不出现新增的闪烁、结构跳变或拖影。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_484", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV484", "modality": "tv2v", "name": "accelerated_cardiac_cine_mri_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对欠采样心脏电影 MRI 视频去伪影复原，并保持心脏解剖与动态过程。重点完成MRI伪影去除、心脏解剖、心动连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“MRI伪影去除／心脏解剖”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现MRI伪影去除；心脏解剖或心动连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "MRI伪影去除已部分实现，任务意图可辨；但心脏解剖或心动连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "MRI伪影去除、心脏解剖、心动连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "MRI伪影去除、心脏解剖、心动连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将太阳矢量磁场观测视频转换为时间配对的171Å极紫外日冕观测视频。", "criteria": [ { "id": "C1", "text_zh": "输出日冕171Å极紫外观测的视觉形式而非磁场换色。" }, { "id": "C2", "text_zh": "主要亮区、暗区、环状结构和空间分布与配对监督大致相符。" }, { "id": "C3", "text_zh": "保持同一区域和对应阶段的时间演变。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_493", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV493", "modality": "tv2v", "name": "hmi_vector_magnetic_field_to_aia_171_euv_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将太阳矢量磁场观测视频转换为时间配对的171Å极紫外日冕观测视频。重点完成日冕EUV外观、主要活动区和结构、空间与时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“日冕EUV外观／主要活动区和结构”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现日冕EUV外观；主要活动区和结构或空间与时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "日冕EUV外观已部分实现，任务意图可辨；但主要活动区和结构或空间与时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "日冕EUV外观、主要活动区和结构、空间与时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "日冕EUV外观、主要活动区和结构、空间与时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将机器人交互视频重现为参考图所示的固定机位视角。", "criteria": [ { "id": "C1", "text_zh": "输出采用参考图的观察方位、俯仰与场景透视，并全程维持该固定机位，不随机械臂运动而运镜或切换视角。" }, { "id": "C2", "text_zh": "保持机器人、夹爪和各可辨识物体的身份；场景布局只随输入交互改变，不任意换物、增删或重排。" }, { "id": "C3", "text_zh": "完整复现输入中的交互推进和事件顺序，覆盖起止状态及关键动作、物体位移和姿态变化，不截断、倒序或另编动作。" }, { "id": "C4", "text_zh": "新视角中的相对尺度、位置、可见面与前后遮挡应一致，夹爪接触和物体响应随时间连贯，不出现改变交互含义的穿透、瞬移或接触脱节。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_494", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV494", "modality": "rv2v", "name": "robot_multiview_reproduction", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，将机器人交互视频重现为参考图所示的固定机位视角。重点完成固定参考机位、同一交互、空间与时序重现，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“固定参考机位／同一交互”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现固定参考机位；同一交互或空间与时序重现大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "固定参考机位已部分实现，任务意图可辨；但同一交互或空间与时序重现仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "固定参考机位、同一交互、空间与时序重现的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "固定参考机位、同一交互、空间与时序重现完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "续写同一合成房间中的相机运动，并保持跨视角的场景一致性。", "criteria": [ { "id": "C1", "text_zh": "连续推进输入末段之后的相机观察，展示充分的后续视点，不以末帧冻结或少量孤立图片替代。" }, { "id": "C2", "text_zh": "续段开头承接输入末段的视点，之后延续已有运镜趋势；视点位置、朝向及变化节奏连贯，不出现无依据的重置或跳切。" }, { "id": "C3", "text_zh": "保持输入可辨的房间结构、物体身份、几何比例和场景内相对布局；透视、遮挡及出入画应随统一相机运动合理变化，物体不能无故迁移、变形或增删。" }, { "id": "C4", "text_zh": "保持各物体与房间表面的原有颜色对应关系，不能跨帧无故改色、交换固有颜色或混淆对象身份。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_495", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV495", "modality": "tv2v", "name": "synthetic_room_camera_history_to_immediate_future_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续写同一合成房间中的相机运动，并保持跨视角的场景一致性。重点完成同一房间结构、相机后续运动、跨视角一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同一房间结构／相机后续运动”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同一房间结构；相机后续运动或跨视角一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同一房间结构已部分实现，任务意图可辨；但相机后续运动或跨视角一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同一房间结构、相机后续运动、跨视角一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同一房间结构、相机后续运动、跨视角一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "将输入的同一身体运动过程向后续写为紧接其末尾的连续视频片段。", "criteria": [ { "id": "C1", "text_zh": "输出是紧接输入结尾的新时段，起始主体位置、朝向、姿态和动作阶段与输入末态自然衔接，不重置或跳到无关时刻。" }, { "id": "C2", "text_zh": "续段中的同一运动随时间发展，肢体伸屈、躯干起伏和支撑转换连贯，不用整段冻结、倒放或重播输入充当续写。" }, { "id": "C3", "text_zh": "保持输入身体的身份、部件构成、连接关系和相对比例，姿态变化时不发生肢体凭空增减、主体替换或身体结构漂移。" }, { "id": "C4", "text_zh": "保持原有镜头视角、取景尺度与相机运动方式，沿用同一背景和地面空间，不发生无依据的切镜、缩放或场景替换。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_496", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV496", "modality": "tv2v", "name": "locomotion_rgb_history_to_immediate_future_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将输入的同一身体运动过程向后续写为紧接其末尾的连续视频片段。重点完成原身体动作趋势、紧邻后续、人物与运动连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原身体动作趋势／紧邻后续”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原身体动作趋势；紧邻后续或人物与运动连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原身体动作趋势已部分实现，任务意图可辨；但紧邻后续或人物与运动连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原身体动作趋势、紧邻后续、人物与运动连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原身体动作趋势、紧邻后续、人物与运动连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "在RGB视频上用近红远蓝的热图表达场景相对远近，并保持时间对应。", "criteria": [ { "id": "C1", "text_zh": "用热图清楚表达原场景的相对远近与深度边界。" }, { "id": "C2", "text_zh": "近红远蓝的方向和透明叠加形式正确，同一表面尺度稳定。" }, { "id": "C3", "text_zh": "热图随原镜头、物体和遮挡同步变化。" }, { "id": "C4", "text_zh": "不强求绝对距离、隐藏无效像素集或逐像素配准。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_502", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV502", "modality": "tv2v", "name": "tum_rgbd_depth_heatmap_overlay_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在RGB视频上用近红远蓝的热图表达场景相对远近，并保持时间对应。重点完成相对远近热度、近红远蓝、原画叠加和运动对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相对远近热度／近红远蓝”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相对远近热度；近红远蓝或原画叠加和运动对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相对远近热度已部分实现，任务意图可辨；但近红远蓝或原画叠加和运动对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相对远近热度、近红远蓝、原画叠加和运动对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相对远近热度、近红远蓝、原画叠加和运动对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Attention & Gaze Estimation", "leaf_id": "P4", "leaf_zh": "注意与注视估计" }, "core_zh": "预测行车视频中的驾驶注意力，并将随交通风险变化的热力图叠加到原视频。", "criteria": [ { "id": "C1", "text_zh": "主要热区对应驾驶相关的前方道路、交通参与者或可见风险，表达有主次的注意力分布，而非任意装饰性光斑或所有物体等强着色。" }, { "id": "C2", "text_zh": "关注重点与视频事件同步，随风险出现、接近、移动及展开转移到相应位置，不明显漏追关键风险或长期粘在无关屏幕坐标。" }, { "id": "C3", "text_zh": "每帧叠加半透明、有强弱渐变的注意力热图，全片使用同一强度—颜色映射，热区内仍能辨认原有道路和对象。" }, { "id": "C4", "text_zh": "除热图叠加外，保持原视频的道路、交通参与者、背景、原有可见信息、镜头运动及事件时序，不新增、删除对象或改写交通事件。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_504", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV504", "modality": "tv2v", "name": "accident_driver_attention_prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，预测行车视频中的驾驶注意力，并将随交通风险变化的热力图叠加到原视频。重点完成驾驶注意区域、交通风险变化、热图跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“驾驶注意区域／交通风险变化”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现驾驶注意区域；交通风险变化或热图跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "驾驶注意区域已部分实现，任务意图可辨；但交通风险变化或热图跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "驾驶注意区域、交通风险变化、热图跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "驾驶注意区域、交通风险变化、热图跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "识别视频中的物体碰撞，用身份色轮廓和区域高亮进行时序标注。", "criteria": [ { "id": "C1", "text_zh": "标注对应视频中的实际碰撞及正确参与双方，不漏报或虚构事件；整段无碰撞时不添加任何碰撞标注。" }, { "id": "C2", "text_zh": "不同物体的轮廓身份色可区分，同一物体跨帧及再次碰撞时保持同一身份色，不串换或混淆。" }, { "id": "C3", "text_zh": "在每次碰撞前不久渐显相关物体的轮廓，并在每个碰撞帧同时高亮双方图像区域，使预示与高亮的时序对应事件。" }, { "id": "C4", "text_zh": "按双方的可见轮廓近似圈定各自图像区域，标注随运动和遮挡更新；不添加精确物理接触点标记。" }, { "id": "C5", "text_zh": "仅叠加碰撞标注，保留原场景、物体外观、视角、视频时序及运动轨迹，不移动或替换物体来制造碰撞。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_505", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV505", "modality": "tv2v", "name": "collision_event_causal_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中的物体碰撞，用身份色轮廓和区域高亮进行时序标注。重点完成碰撞对象身份、接触区域、碰撞时段高亮，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“碰撞对象身份／接触区域”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现碰撞对象身份；接触区域或碰撞时段高亮大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "碰撞对象身份已部分实现，任务意图可辨；但接触区域或碰撞时段高亮仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "碰撞对象身份、接触区域、碰撞时段高亮的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "碰撞对象身份、接触区域、碰撞时段高亮完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "3D Shape & Pose", "leaf_id": "G4", "leaf_zh": "三维形状与位姿" }, "core_zh": "从单目视频恢复主角的时序连贯三维人体网格，并按原相机视角独立渲染。", "criteria": [ { "id": "C1", "text_zh": "将主角表示为具有人体结构、体积和着色明暗的三维表面网格，不以二值人形、线条骨架或原人抠像代替。" }, { "id": "C2", "text_zh": "网格的躯干朝向、四肢弯曲及手脚相对位置对应源人物各时刻的主要姿态，身体比例与遮挡关系合理，不替换动作或左右镜像。" }, { "id": "C3", "text_zh": "沿用原相机视角和源构图，使网格在画面中的位置、尺度、透视与移动轨迹对应主角，不重新居中、跟随放大或改成全局展示视角。" }, { "id": "C4", "text_zh": "保持源视频的时间范围、动作顺序、节奏与时刻对应；同一人物的体型和姿态演变连续，无明显闪灭、重置、肢体跳变或追踪漂移。" }, { "id": "C5", "text_zh": "输出只含黑色背景上的浅灰无纹理人体网格，不保留真人影像、服饰外观、摄影棚或器材，不增加其他场景元素。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_507", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV507", "modality": "tv2v", "name": "Monocular Video to 3D Human Mesh Recovery", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从单目视频恢复主角的时序连贯三维人体网格，并按原相机视角独立渲染。重点完成主角三维人体、姿态和体形、原相机与时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“主角三维人体／姿态和体形”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现主角三维人体；姿态和体形或原相机与时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "主角三维人体已部分实现，任务意图可辨；但姿态和体形或原相机与时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "主角三维人体、姿态和体形、原相机与时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "主角三维人体、姿态和体形、原相机与时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "依据首帧圈选持续追踪指定细胞及其分裂后代，并在原视频逐帧叠加统一青色圆圈。", "criteria": [ { "id": "C1", "text_zh": "按参考图青圈确定首帧唯一待追踪细胞，并从输出首帧开始标记，不能以邻近或其他细胞替代。" }, { "id": "C2", "text_zh": "每个当前被追踪对象在相邻帧保持身份连续，圈心随其中心移动，不能丢失标记、漂移到邻居或额外标记无关细胞。" }, { "id": "C3", "text_zh": "每当被追踪细胞分裂，及时将母细胞圈替换为每个子细胞各一圈，并对全部后代递归执行相同的追踪与分裂续标，不虚构分裂或后代。" }, { "id": "C4", "text_zh": "圆圈的青色、大小及空心线条样式与本样本参考图一致，并在全片及各代之间保持统一；不另加文字或按世代区分颜色。" }, { "id": "C5", "text_zh": "仅叠加追踪圆圈，保留原场景、细胞外观及运动与分裂内容；完整保留原视频的帧序、帧数和播放时序，不前插参考图或增删生物事件。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_530", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV530", "modality": "rv2v", "name": "query_cell_descendant_lineage_tracking_video", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据首帧圈选持续追踪指定细胞及其分裂后代，并在原视频逐帧叠加统一青色圆圈。重点完成指定细胞及后代、分裂身份延续、青色圈随动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定细胞及后代／分裂身份延续”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定细胞及后代；分裂身份延续或青色圈随动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定细胞及后代已部分实现，任务意图可辨；但分裂身份延续或青色圈随动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定细胞及后代、分裂身份延续、青色圈随动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定细胞及后代、分裂身份延续、青色圈随动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "按指令的视点变化，将手物交互重现为几何连贯、时序对应的邻近视角视频。", "criteria": [ { "id": "C1", "text_zh": "形成指令所要求的邻近观察方位及视野变化，不用简单镜像冒充。" }, { "id": "C2", "text_zh": "保持同一手、物体与抓握动作，透视和新显露区域合理。" }, { "id": "C3", "text_zh": "动作顺序及接触状态与输入同步。" }, { "id": "C4", "text_zh": "相机参数描述作为目标方向线索，不以精确标定数值重建作为视觉评分门槛。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_531", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV531", "modality": "tv2v", "name": "synchronized_hand_object_novel_view_video_generation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按指令的视点变化，将手物交互重现为几何连贯、时序对应的邻近视角视频。重点完成指定邻近视角、原手物交互、投影与遮挡一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定邻近视角／原手物交互”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定邻近视角；原手物交互或投影与遮挡一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定邻近视角已部分实现，任务意图可辨；但原手物交互或投影与遮挡一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定邻近视角、原手物交互、投影与遮挡一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定邻近视角、原手物交互、投影与遮挡一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "在保留原手术内容和时序的前提下，去除腹腔镜视频中的可见烟雾。", "criteria": [ { "id": "C1", "text_zh": "去除输入中可见的手术烟缕和弥散烟幕，恢复受遮蔽组织与器械的可见性，而非仅改变整幅画面的明暗。" }, { "id": "C2", "text_zh": "保持同一组织和器械的可见结构、形态、相对位置及接触关系，不增删或替换解剖结构、器械与手术事件。" }, { "id": "C3", "text_zh": "保持输入可支持的组织与器械颜色、表面纹理和边缘细节，保留真实薄膜、血管纹理及反光，不以涂抹、虚构细节或任意调色代替复原。" }, { "id": "C4", "text_zh": "保持原镜头运动、视角和取景，保留帧顺序、时长与动作发生时机；组织和器械运动应对应输入，去烟不得引入闪烁、跳变或重影。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_535", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV535", "modality": "tv2v", "name": "laparoscopic_surgical_smoke_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留原手术内容和时序的前提下，去除腹腔镜视频中的可见烟雾。重点完成手术烟雾消除、解剖与器械保留、原手术时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“手术烟雾消除／解剖与器械保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现手术烟雾消除；解剖与器械保留或原手术时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "手术烟雾消除已部分实现，任务意图可辨；但解剖与器械保留或原手术时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "手术烟雾消除、解剖与器械保留、原手术时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "手术烟雾消除、解剖与器械保留、原手术时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "为原视频中可辨人物叠加跟随姿态的骨架和边界框，并用颜色表达遮挡状态。", "criteria": [ { "id": "C1", "text_zh": "为主要可辨人物显示独立框和完整、合理的骨架结构。" }, { "id": "C2", "text_zh": "关节和肢体姿态跟随对应人物，遮挡程度使用正确类别色。" }, { "id": "C3", "text_zh": "跨帧人物不串换，框骨架随原动作与镜头更新。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_549", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV549", "modality": "tv2v", "name": "pedestrian_pose_depth_occlusion_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为原视频中可辨人物叠加跟随姿态的骨架和边界框，并用颜色表达遮挡状态。重点完成人物框与骨架、姿态和遮挡着色、跨帧人物对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人物框与骨架／姿态和遮挡着色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人物框与骨架；姿态和遮挡着色或跨帧人物对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人物框与骨架已部分实现，任务意图可辨；但姿态和遮挡着色或跨帧人物对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人物框与骨架、姿态和遮挡着色、跨帧人物对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人物框与骨架、姿态和遮挡着色、跨帧人物对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "逐帧定位伪装动物，并用紧致边界框及颜色呈现其运动状态。", "criteria": [ { "id": "C1", "text_zh": "每个采样帧均定位同一目标伪装动物，用紧致矩形框包围其可辨识的外接范围；框随位置和姿态调整，不误框背景、不遗漏可见身体或虚构动物位置。" }, { "id": "C2", "text_zh": "框色逐帧对应动物的运动状态：行进用橙色、原地细微运动用青色、静止用灰色，并随状态变化同步切换。" }, { "id": "C3", "text_zh": "仅增加矩形框线；框线覆盖以外的动物、背景及原有画面内容、构图与几何保持不变，不新增文字、掩膜或轨迹。" }, { "id": "C4", "text_zh": "覆盖原片的完整过程并保持事件顺序，框与对应动作同步，不借删掉难帧或冻结片段规避跟踪。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_557", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV557", "modality": "tv2v", "name": "rgb_depth_thermal_target_tracking_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，逐帧定位伪装动物，并用紧致边界框及颜色呈现其运动状态。重点完成伪装动物定位、运动状态配色、紧致框随动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“伪装动物定位／运动状态配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现伪装动物定位；运动状态配色或紧致框随动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "伪装动物定位已部分实现，任务意图可辨；但运动状态配色或紧致框随动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "伪装动物定位、运动状态配色、紧致框随动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "伪装动物定位、运动状态配色、紧致框随动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将视频转换为与场景和时序对应的相对深度伪标签视觉表示。", "criteria": [ { "id": "C1", "text_zh": "输出相对深度伪标签形式，主要物体前后层次和表面结构合理。" }, { "id": "C2", "text_zh": "保持场景轮廓、视点与原时间进程。" }, { "id": "C3", "text_zh": "跨帧色阶稳定，不能将材质纹理直接当深度。" } ], "domains_zh": [ "人类活动与交互", "建筑与空间场景", "物理与科学系统", "自然环境与地球观测", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_577", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV577", "modality": "tv2v", "name": "wild_sdg_synthetic_rgb_to_publisher_depth_pseudolabel_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将视频转换为与场景和时序对应的相对深度伪标签视觉表示。重点完成相对深度结构、伪标签视觉形式、场景和时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相对深度结构／伪标签视觉形式”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相对深度结构；伪标签视觉形式或场景和时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相对深度结构已部分实现，任务意图可辨；但伪标签视觉形式或场景和时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相对深度结构、伪标签视觉形式、场景和时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相对深度结构、伪标签视觉形式、场景和时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "在原视频上同步叠加人物含遮挡关节的全身姿态投影。", "criteria": [ { "id": "C1", "text_zh": "以原视频为底图，仅增加姿态标记，保留人物外观与动作、场景、原时长与播放节奏、构图及镜头变化。" }, { "id": "C2", "text_zh": "骨架覆盖头颈、躯干、双臂、双腿和足部，关节点及连线对应正确的身体部位与解剖侧，不错接或遗漏主要结构。" }, { "id": "C3", "text_zh": "双手呈现手指级关节和连接，面部呈现五官及脸部轮廓关键点，不能仅以手腕点或头部圆圈替代。" }, { "id": "C4", "text_zh": "发生肢体重叠、自遮挡或背向时，仍绘制落在画面内的遮挡关节及相应手部、面部投影，不以可见性或置信度决定是否标注。" }, { "id": "C5", "text_zh": "标记在对应时刻与人物部位的画面投影对齐，随动作、转身和镜头变化同步更新，无明显漂移、滞后、跳变或部位身份互换。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_578", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV578", "modality": "tv2v", "name": "synthetic_human_rgb_to_publisher_2d_pose_projection_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上同步叠加人物含遮挡关节的全身姿态投影。重点完成全身关节结构、遮挡关节合理补全、原人物姿态同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“全身关节结构／遮挡关节合理补全”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现全身关节结构；遮挡关节合理补全或原人物姿态同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "全身关节结构已部分实现，任务意图可辨；但遮挡关节合理补全或原人物姿态同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "全身关节结构、遮挡关节合理补全、原人物姿态同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "全身关节结构、遮挡关节合理补全、原人物姿态同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "将参考图指定的高亮选区传播到视频各帧，并叠加半透明品红掩膜。", "criteria": [ { "id": "C1", "text_zh": "正确选中参考图高亮的对象或区域，并沿用其部件或区域范围，不改选其他实例或擅自扩展到未选部分。" }, { "id": "C2", "text_zh": "各帧掩膜覆盖所选区域的可见内部并贴合轮廓，排除未选区域与遮挡物，不以包围框填充代替分割，也不补画不可见部分。" }, { "id": "C3", "text_zh": "掩膜随目标姿态、位置及镜头变化逐帧更新，持续对应同一选区；可见时不漏标，无明显滞后、漂移或跳换目标。" }, { "id": "C4", "text_zh": "以填充式半透明品红掩膜叠加选区，底层纹理与明暗仍可辨，而非不透明色块、仅描边或脱离原画面的独立掩膜。" }, { "id": "C5", "text_zh": "除指定掩膜的混色外，保留输入场景、构图、动作及镜头运动，并维持原时长、节奏和帧序，不删改或重排内容。" } ], "domains_zh": [ "物体与产品场景", "人类活动与交互", "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_579", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV579", "modality": "rv2v", "name": "rgb_with_first_frame_object_reference_to_publisher_mask_overlay", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，将参考图指定的高亮选区传播到视频各帧，并叠加半透明品红掩膜。重点完成参考选区、品红覆盖、时序传播，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考选区／品红覆盖”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考选区；品红覆盖或时序传播大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考选区已部分实现，任务意图可辨；但品红覆盖或时序传播仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考选区、品红覆盖、时序传播的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考选区、品红覆盖、时序传播完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将RGB机器人视频转为同场景、同运动的连续相对深度灰度视频。", "criteria": [ { "id": "C1", "text_zh": "输出同场景的连续深度灰度表示，主要远近和遮挡正确。" }, { "id": "C2", "text_zh": "物体轮廓与运动对应，跨帧灰度尺度稳定。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_580", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV580", "modality": "tv2v", "name": "robot_rgb_to_publisher_depth_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将RGB机器人视频转为同场景、同运动的连续相对深度灰度视频。重点完成相对深度灰度、场景轮廓、稳定运动对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相对深度灰度／场景轮廓”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相对深度灰度；场景轮廓或稳定运动对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相对深度灰度已部分实现，任务意图可辨；但场景轮廓或稳定运动对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相对深度灰度、场景轮廓、稳定运动对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相对深度灰度、场景轮廓、稳定运动对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "在保持道路场景和行车过程不变的前提下，将晴天驾驶视频转换为大雨天气。", "criteria": [ { "id": "C1", "text_zh": "全段由晴天转为大雨，呈现密集降雨、雨雾造成的远景能见度下降和湿路反光，天气效果在时间上连贯。" }, { "id": "C2", "text_zh": "道路、车道标线、路缘及周边建筑、山体、植被等原有场景对象的空间布局、形状和几何关系保持不变，不增删或挪动景物。" }, { "id": "C3", "text_zh": "保持全部车辆的身份、数量、逐时位置与运动轨迹；若有交通信号，保留其状态和切换时机。" }, { "id": "C4", "text_zh": "对应时刻的摄像机视点、朝向、视角和运动保持输入不变，不新增转向、缩放、抖动或取景变化。" }, { "id": "C5", "text_zh": "帧数、帧序、每帧时刻及总时长与输入一致，不裁剪片段、增删或重排帧，也不改变播放速度。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_585", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV585", "modality": "tv2v", "name": "laia_trajectory_preserving_clear_to_hard_rain_driving_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持道路场景和行车过程不变的前提下，将晴天驾驶视频转换为大雨天气。重点完成大雨天气表现、原驾驶场景、雨效与动态融合，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“大雨天气表现／原驾驶场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现大雨天气表现；原驾驶场景或雨效与动态融合大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "大雨天气表现已部分实现，任务意图可辨；但原驾驶场景或雨效与动态融合仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "大雨天气表现、原驾驶场景、雨效与动态融合的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "大雨天气表现、原驾驶场景、雨效与动态融合完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "校正视频伽马或传递函数失配造成的过暗或泛白，恢复自然明暗层次与色彩。", "criteria": [ { "id": "C1", "text_zh": "按提示纠正亮度映射方向：偏暗时恢复中间调与阴影亮度；偏亮泛白时压回中间调，不能反向处理或一律提亮。" }, { "id": "C2", "text_zh": "恢复自然色彩和明暗层次，保留原可辨的高光、暗部细节，不残留明显灰白或暗沉，也不新增过曝、压黑或失真偏色。" }, { "id": "C3", "text_zh": "保留原人物、物体和背景的可见结构、空间布局及取景，不增删元素、改变形状、裁切画面或替换场景。" }, { "id": "C4", "text_zh": "保留物体及镜头运动、片段时长及时序；色调校正贯穿片段，不引入额外的亮度闪烁或色彩跳变。" } ], "domains_zh": [ "体育与运动训练", "自然环境与地球观测", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_615", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV615", "modality": "tv2v", "name": "video_gamma_transfer_mismatch_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，校正视频伽马或传递函数失配造成的过暗或泛白，恢复自然明暗层次与色彩。重点完成明暗和伽马校正、真实色彩层次、原内容保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“明暗和伽马校正／真实色彩层次”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现明暗和伽马校正；真实色彩层次或原内容保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "明暗和伽马校正已部分实现，任务意图可辨；但真实色彩层次或原内容保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "明暗和伽马校正、真实色彩层次、原内容保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "明暗和伽马校正、真实色彩层次、原内容保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "将模拟时钟视频的读数按指令增减指定分钟数，并保持原钟外观及走时节奏不变。", "criteria": [ { "id": "C1", "text_zh": "钟面读数等于原读数加上或减去指令指定的分钟数，时、分针位置彼此一致，跨12点时正确回绕。" }, { "id": "C2", "text_zh": "保留输入的帧时序和片段时长，走针方向、速度与节奏不变；整数分钟偏移不改变对应时刻的秒针相位，读数差在全片保持恒定。" }, { "id": "C3", "text_zh": "除改时所需的指针角度外，保留原钟面、刻度、边框、背景、构图及三根指针的形态与配色，不旋转钟面或替换钟表。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_617", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV617", "modality": "tv2v", "name": "prompt_conditioned_analog_clock_time_shift", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将模拟时钟视频的读数按指令增减指定分钟数，并保持原钟外观及走时节奏不变。重点完成指定分钟增减、正确钟面读数、原钟与走时，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定分钟增减／正确钟面读数”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定分钟增减；正确钟面读数或原钟与走时大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定分钟增减已部分实现，任务意图可辨；但正确钟面读数或原钟与走时仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定分钟增减、正确钟面读数、原钟与走时的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定分钟增减、正确钟面读数、原钟与走时完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将驾驶RGB视频转换为同步的稀疏深度点表示，并标示交通参与者的运动。", "criteria": [ { "id": "C1", "text_zh": "生成与当前视角对应的稀疏深度点结构，主要道路和交通对象可辨。" }, { "id": "C2", "text_zh": "点的远近配色、相对分布和运动信息与场景大致相符。" }, { "id": "C3", "text_zh": "点及运动标记随原时间更新，不以静态随机点或稠密RGB换色替代。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_630", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV630", "modality": "tv2v", "name": "av2_rgb_to_dynamic_lidar_geometry", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将驾驶RGB视频转换为同步的稀疏深度点表示，并标示交通参与者的运动。重点完成稀疏深度点结构、距离配色、交通参与者运动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“稀疏深度点结构／距离配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现稀疏深度点结构；距离配色或交通参与者运动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "稀疏深度点结构已部分实现，任务意图可辨；但距离配色或交通参与者运动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "稀疏深度点结构、距离配色、交通参与者运动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "稀疏深度点结构、距离配色、交通参与者运动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "全程跟踪首帧圈定的同一表面点，并按可见性叠加位置标记与短轨迹。", "criteria": [ { "id": "C1", "text_zh": "首帧标记落在圆环指定位置，并在各可见帧持续对应同一表面点，随物体运动和视角变化更新，不固定在屏幕坐标或漂移到其他位置。" }, { "id": "C2", "text_zh": "指定点被遮挡或移出画面时隐藏当前位置标记；再次可见时恢复同一表面点，不以附近其他可见点替代。" }, { "id": "C3", "text_zh": "点可见时，用清晰的小标记指示当前位置，并以端点相接的短尾迹显示该点近期的画面路径，而非静态装饰线或持续累积的全片轨迹。" }, { "id": "C4", "text_zh": "除新增或更新跟踪标注外，保持输入的场景内容、对象动作、镜头取景、帧顺序与时间节奏，不另行改变场景或运动。" } ], "domains_zh": [ "物体与产品场景", "机器人与自主体", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_639", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV639", "modality": "tv2v", "name": "first_frame_query_point_trajectory_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，全程跟踪首帧圈定的同一表面点，并按可见性叠加位置标记与短轨迹。重点完成首帧表面点、可见性、短轨迹跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“首帧表面点／可见性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现首帧表面点；可见性或短轨迹跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "首帧表面点已部分实现，任务意图可辨；但可见性或短轨迹跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "首帧表面点、可见性、短轨迹跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "首帧表面点、可见性、短轨迹跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "对道路视频中的全部坑洞进行逐帧二值语义分割。", "criteria": [ { "id": "C1", "text_zh": "每帧覆盖全部可见道路坑洞区域，不漏分坑洞，也不把坑外路面、裂纹、散石或落叶误标为前景。" }, { "id": "C2", "text_zh": "掩膜保持原视点与空间对应，位置、相对尺度、形状及边界贴合可辨坑缘；部分出画时只标画内区域，不补全画外轮廓。" }, { "id": "C3", "text_zh": "输出与输入逐帧对应，保持帧数、顺序和时间；掩膜随坑洞在画面中的移动及出入画同步变化，不滞后、漏帧或无依据闪烁。" }, { "id": "C4", "text_zh": "输出坑洞白、其他像素黑的纯二值掩膜视频，不叠加原RGB画面，不添加框、文字等可视标注。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_647", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV647", "modality": "tv2v", "name": "road_pothole_binary_mask_video_segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对道路视频中的全部坑洞进行逐帧二值语义分割。重点完成所有可辨坑洞、二值分割、道路时序对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“所有可辨坑洞／二值分割”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现所有可辨坑洞；二值分割或道路时序对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "所有可辨坑洞已部分实现，任务意图可辨；但二值分割或道路时序对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "所有可辨坑洞、二值分割、道路时序对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "所有可辨坑洞、二值分割、道路时序对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "在保持原视频内容与时序的前提下，校正径向色差及红蓝边缘色边。", "criteria": [ { "id": "C1", "text_zh": "校正径向色差，使画面各处尤其周边高对比轮廓的色通道重新对齐，不再出现明显红蓝色边或彩色重影。" }, { "id": "C2", "text_zh": "保留主体与背景内容、可辨纹理及物体本色，不新增、删除或替换对象，不以灰度化或大范围模糊掩盖色边。" }, { "id": "C3", "text_zh": "保持场景几何、透视、物体相对位置与原有取景范围，不通过裁切、整体变形或改构图来隐藏周边色差。" }, { "id": "C4", "text_zh": "保持主体动作、镜头运动、原有帧序、各帧时间关系与总时长；不得因修复删帧、重排、冻结或变速，也不新增随时间闪现的色边或轮廓抖动。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_656", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV656", "modality": "tv2v", "name": "radial_chromatic_aberration_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持原视频内容与时序的前提下，校正径向色差及红蓝边缘色边。重点完成径向色边消除、真实边缘颜色、内容和运动保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“径向色边消除／真实边缘颜色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现径向色边消除；真实边缘颜色或内容和运动保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "径向色边消除已部分实现，任务意图可辨；但真实边缘颜色或内容和运动保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "径向色边消除、真实边缘颜色、内容和运动保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "径向色边消除、真实边缘颜色、内容和运动保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Annotation, Behavior & Synchronization Correction", "leaf_id": "Q5", "leaf_zh": "标注、行为与同步纠错" }, "core_zh": "修复物体接触与被动响应起动之间的时序错位。", "criteria": [ { "id": "C1", "text_zh": "被动对象在首次接触前保持静止，并在主动对象首次触及时开始原有响应，消除提前或滞后起动。" }, { "id": "C2", "text_zh": "被动响应仅作时序调整，保留原有运动方向、路径、速度变化趋势和最终停留位置，不新增瞬移或反弹。" }, { "id": "C3", "text_zh": "主动对象及其他非目标运动保持输入中的轨迹和节奏，不通过改变主动对象的接近过程来制造接触同步。" }, { "id": "C4", "text_zh": "保留输入的初始状态、对象数量与身份、形状和配色、背景布局、相机视角及视频总时长。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_662", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV662", "modality": "tv2v", "name": "contact_response_timing_repair", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，修复物体接触与被动响应起动之间的时序错位。重点完成首次接触与响应同步、原响应路径、主动对象运动保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“首次接触与响应同步／原响应路径”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现首次接触与响应同步；原响应路径或主动对象运动保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "首次接触与响应同步已部分实现，任务意图可辨；但原响应路径或主动对象运动保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "首次接触与响应同步、原响应路径、主动对象运动保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "首次接触与响应同步、原响应路径、主动对象运动保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "依据机器人操作视频的前后文，重建指定灰色缺帧区间并保留其余原帧。", "criteria": [ { "id": "C1", "text_zh": "完整补回 Prompt 指定零基闭区间内的灰色帧，保留原视频帧数、顺序和时间位置，不以删段或变速代替恢复。" }, { "id": "C2", "text_zh": "补帧延续同一机械臂、夹爪、物体身份与背景，保持原主相机视角的连续变化及未受操作影响的物体布局，不凭空增删或替换物体。" }, { "id": "C3", "text_zh": "恢复上下文支持的操作对象、夹爪开合与物体状态变化，正确表现接近、接触、持握、转移、释放或停留中适用的阶段，而非生成类似场景中的任意动作。" }, { "id": "C4", "text_zh": "缺口内部及与两端保留帧的动作衔接连贯，机械臂、夹爪和物体不出现无因瞬移、姿态或持握关系突变，运动速度与前后状态相容。" }, { "id": "C5", "text_zh": "指定区间外的每一帧保留输入中的机器人与物体状态、背景、构图和原始时序，不改写已有操作或更换镜头。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_663", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV663", "modality": "tv2v", "name": "language_conditioned_robot_trajectory_gap_completion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据机器人操作视频的前后文，重建指定灰色缺帧区间并保留其余原帧。重点完成缺口操作补全、手物状态连续、非缺口内容保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“缺口操作补全／手物状态连续”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现缺口操作补全；手物状态连续或非缺口内容保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "缺口操作补全已部分实现，任务意图可辨；但手物状态连续或非缺口内容保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "缺口操作补全、手物状态连续、非缺口内容保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "缺口操作补全、手物状态连续、非缺口内容保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "将动画对象的表面视频转换为保留原动作时序的三维关节骨架可视化。", "criteria": [ { "id": "C1", "text_zh": "用清晰的关节点与连接骨段表达对象的主要可动结构，连接关系随时间稳定；去除实体表面、纹理和外观，不再附带外观画面。" }, { "id": "C2", "text_zh": "重现输入的同一关节动作，保留各可动分支的相对运动与整体姿态变化，而非只展示同类对象的任意动作或静止骨架。" }, { "id": "C3", "text_zh": "保留输入所选完整片段的起止、帧率、动作顺序与相位，使骨架在相应时刻呈现相应动作阶段，不擅自变速、截段、重排或循环补齐。" }, { "id": "C4", "text_zh": "将骨架置于白色背景的三维坐标网格内，呈现可辨的空间深度与坐标关系，而非仅有白底或二维格线；关节点和骨段须能与网格区分。" }, { "id": "C5", "text_zh": "整段采用从一侧上方向下看的固定斜俯视机位，不随对象动作或输入镜头移动、旋转或缩放。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_670", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV670", "modality": "tv2v", "name": "textured_animation_to_skeletal_motion_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将动画对象的表面视频转换为保留原动作时序的三维关节骨架可视化。重点完成原关节动作、稳定骨架结构、指定三维网格视角，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原关节动作／稳定骨架结构”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原关节动作；稳定骨架结构或指定三维网格视角大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原关节动作已部分实现，任务意图可辨；但稳定骨架结构或指定三维网格视角仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原关节动作、稳定骨架结构、指定三维网格视角的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原关节动作、稳定骨架结构、指定三维网格视角完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "依据动作状态与分段边界，恢复机器人操作视频的原始时间顺序。", "criteria": [ { "id": "C1", "text_zh": "利用给定边界恢复原始动作先后，使机械臂、夹爪和物体状态按原时序衔接，消除乱序引入的跳变或阶段回退。" }, { "id": "C2", "text_zh": "各给定片段完整使用且只用一次，保持原内容范围、时长和动作节奏，不通过删段、重复、定格填充或新造过渡掩盖时序错误。" }, { "id": "C3", "text_zh": "保留原相机视角及镜头变化，机器人、物体和背景的身份、外观与空间关系应和对应源画面一致，不改写场景内容。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_673", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV673", "modality": "tv2v", "name": "droid_local_temporal_corruption_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据动作状态与分段边界，恢复机器人操作视频的原始时间顺序。重点完成原操作顺序、片段完整性、状态连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原操作顺序／片段完整性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原操作顺序；片段完整性或状态连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原操作顺序已部分实现，任务意图可辨；但片段完整性或状态连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原操作顺序、片段完整性、状态连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原操作顺序、片段完整性、状态连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "在不改动原有画面内容的前提下，将乱序视频恢复为原始时间顺序。", "criteria": [ { "id": "C1", "text_zh": "将错置的帧或片段恢复为原始时间顺序，使动作阶段和镜头运动的先后关系正确，不残留错序导致的跳返或阶段倒置。" }, { "id": "C2", "text_zh": "仅重排输入已有帧，完整保留帧集合及各帧出现次数；对应源帧的主体、物体状态、场景和拍摄视角不变，不删补画面或另造动作。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_674", "in_bench170": true, "input_fields": [ "Input", "Prompt" ], "label": "TV674", "modality": "tv2v", "name": "robot_manipulation_local_temporal_corruption_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在不改动原有画面内容的前提下，将乱序视频恢复为原始时间顺序。重点完成正确事件顺序、原帧内容、无删补重复，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“正确事件顺序／原帧内容”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现正确事件顺序；原帧内容或无删补重复大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "正确事件顺序已部分实现，任务意图可辨；但原帧内容或无删补重复仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "正确事件顺序、原帧内容、无删补重复的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "正确事件顺序、原帧内容、无删补重复完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "依据首帧彩色参考为整段灰度视频上色，并保持配色的时序一致性。", "criteria": [ { "id": "C1", "text_zh": "主体与背景均按首帧RGB参考上色，参考可对应的对象、图案分区和整体色调相符，而非任意配色或全画面单色染色。" }, { "id": "C2", "text_zh": "着色贴合物体的空间区域与边界，保留输入的主体身份、形状、纹理、构图和原有图文，不增删或重构场景内容。" }, { "id": "C3", "text_zh": "同一表面的颜色随主体运动、形变、遮挡和镜头变化稳定延续，不出现无依据的闪烁、跳色、颜色漂移或明显串色。" }, { "id": "C4", "text_zh": "交付覆盖完整输入时段的彩色视频，保留原有动作、镜头运动、帧顺序和时序节奏，不截短、冻结、重排或以首帧静图替代动态片段。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_698", "in_bench170": true, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV698", "modality": "rv2v", "name": "reference_guided_video_colorization", "reference_scope": "Bench: image/video Reference", "requirement_zh": "根据Input＋Reference（图片或视频）＋Prompt，依据首帧彩色参考为整段灰度视频上色，并保持配色的时序一致性。重点完成参考配色、对象区域归属、运动中颜色一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考配色／对象区域归属”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考配色；对象区域归属或运动中颜色一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考配色已部分实现，任务意图可辨；但对象区域归属或运动中颜色一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考配色、对象区域归属、运动中颜色一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考配色、对象区域归属、运动中颜色一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "依据相机参考，将整段视频重渲染为同一场景与动作的固定新视点版本。", "criteria": [ { "id": "C1", "text_zh": "输出呈现同一场景的新视点，透视、取景及遮挡关系自洽；相机参考可判定时，匹配其指定机位、朝向与视野。" }, { "id": "C2", "text_zh": "相机机位、朝向与视野全程固定，静态地标的投影位置稳定，不跟拍人物、推拉或切换镜头。" }, { "id": "C3", "text_zh": "保持同一场景、主体身份与服饰、物体构成及相互空间关系，可见几何与原场景相容，原有光照条件不被重设。" }, { "id": "C4", "text_zh": "保留主体及场景原有运动的动作顺序、主要轨迹和节奏，输出覆盖相应过程，不无依据删段、插入新动作或改速。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_290", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV290", "modality": "rv2v", "name": "camera_conditioned_novel_view_video_rerendering", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据相机参考，将整段视频重渲染为同一场景与动作的固定新视点版本。重点完成参考固定机位、同一场景动作、新视角空间关系，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考固定机位／同一场景动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考固定机位；同一场景动作或新视角空间关系大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考固定机位已部分实现，任务意图可辨；但同一场景动作或新视角空间关系仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考固定机位、同一场景动作、新视角空间关系的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考固定机位、同一场景动作、新视角空间关系完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "在原视频上为指定实体叠加随时间跟踪的半透明分割掩膜和文字标签。", "criteria": [ { "id": "C1", "text_zh": "覆盖当前指令或参考指定的主要实体，不明显漏掉主要对象或误标无关物体。" }, { "id": "C2", "text_zh": "每个被标注实体都有贴合其可见区域的半透明面状掩膜，底层细节仍可见，不用包围框或整屏染色替代。" }, { "id": "C3", "text_zh": "掩膜颜色能正确区分类别或身份，标签名称与对象对应且可读；明确给出的颜色映射应遵循，但不要求RGB逐像素相同。" }, { "id": "C4", "text_zh": "实体可见时标注持续存在，并随运动、视角和遮挡更新；进出画面时同步出现或消失，不漂移或交换身份。" }, { "id": "C5", "text_zh": "除所需掩膜、文字和引线叠加外，保留输入的时间顺序与节奏、场景几何、对象动作、镜头运动和非标注内容。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_300", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV300", "modality": "rv2v", "name": "visor_egocentric_entity_mask_and_label_overlay", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，在原视频上为指定实体叠加随时间跟踪的半透明分割掩膜和文字标签。重点完成指定实体、半透明掩膜与标签、身份色和时序跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定实体／半透明掩膜与标签”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定实体；半透明掩膜与标签或身份色和时序跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定实体已部分实现，任务意图可辨；但半透明掩膜与标签或身份色和时序跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定实体、半透明掩膜与标签、身份色和时序跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定实体、半透明掩膜与标签、身份色和时序跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "根据同步多视角视频判定机器人双手各自的交互对象与抓握状态，并在原视频面板中勾选。", "criteria": [ { "id": "C1", "text_zh": "左右手的物体选择与输入及同步参考中的交互或接近关系一致，左右按机器人自身解剖侧别判定，不按屏幕位置判定。" }, { "id": "C2", "text_zh": "分别为两手选择符合可见指形的状态：环绕或捏住物体及其把手为GRASPING；手清楚可见但未形成抓握为NOT GRASPING。" }, { "id": "C3", "text_zh": "每只手恰好选中一个物体和一个状态，以暖黄色勾选标记及高亮清楚标出，与未选项明确区分；标记随视频保持与可见关系一致。" }, { "id": "C4", "text_zh": "保留输入的视频场景、机器人与物体的原有动作及时序，以及左右手面板的选项文字；只增加选择标注，不改造交互来迎合标签。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_328", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV328", "modality": "rv2v", "name": "bimanual_manipulation_process_panel", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，根据同步多视角视频判定机器人双手各自的交互对象与抓握状态，并在原视频面板中勾选。重点完成左右手物体选择、抓握状态、唯一勾选及同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左右手物体选择／抓握状态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左右手物体选择；抓握状态或唯一勾选及同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左右手物体选择已部分实现，任务意图可辨；但抓握状态或唯一勾选及同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左右手物体选择、抓握状态、唯一勾选及同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左右手物体选择、抓握状态、唯一勾选及同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Correctness & Quality Assessment", "leaf_id": "Q4", "leaf_zh": "正确性与质量评估" }, "core_zh": "按参考量表评估整段机器人演示，并在不改动演示的前提下叠加固定结论面板。", "criteria": [ { "id": "C1", "text_zh": "按Reference先判状态：急停、硬碰撞、控制或硬件故障等机器人侧非运行事件为ROBOT FAILURE；否则，仍可运行但未达所需终态为TASK FAILURE，所需终态可见达成为COMPLETED。" }, { "id": "C2", "text_zh": "仅在完成时按Reference从2–9中选择一个质量分；评估整个过程，以最严重的实质缺陷定档，考虑纠正、犹豫、接触、控制及终态稳定性，相邻分数难分时取较低分。" }, { "id": "C3", "text_zh": "全片使用一个位置与结论固定、文字清晰易读的面板：显示所选状态；完成时显示单一QUALITY q/9并在2–9刻度中唯一高亮q；失败时不显示有效质量分数或完成分值高亮。" }, { "id": "C4", "text_zh": "保留Input全部原帧的内容、顺序和时序，以及原镜头、机器人运动、物体和背景；除面板叠加外，不剪辑、重演、补动作或修正原演示。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_337", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV337", "modality": "rv2v", "name": "robot_demonstration_completion_quality_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，按参考量表评估整段机器人演示，并在不改动演示的前提下叠加固定结论面板。重点完成演示完成或失败、参考质量等级、固定结论面板，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“演示完成或失败／参考质量等级”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现演示完成或失败；参考质量等级或固定结论面板大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "演示完成或失败已部分实现，任务意图可辨；但参考质量等级或固定结论面板仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "演示完成或失败、参考质量等级、固定结论面板的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "演示完成或失败、参考质量等级、固定结论面板完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "依据文字提示与参考图，将视频整体转换为指定视觉风格。", "criteria": [ { "id": "C1", "text_zh": "整体呈现提示指定且与参考图呼应的视觉风格，关键配色、轮廓、笔触或材质特征可辨，并覆盖主体与背景；含软件界面时，界面也纳入风格化。" }, { "id": "C2", "text_zh": "保留输入中可辨的主要主体、人数、空间关系和构图，不以参考图的题材替换原内容；含软件界面时，主要分区仍可辨认。" }, { "id": "C3", "text_zh": "保留输入可见的动作、遮挡和视角变化的先后顺序及大体进程，不冻结原有动态或另编事件。" }, { "id": "C4", "text_zh": "跨帧维持连贯的风格化造型、配色和纹理表达，主体持续可辨，不出现实质性的风格跳变、主体漂移或明显闪烁。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "建筑与空间场景", "图文、界面与符号系统", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_7", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV7", "modality": "rv2v", "name": "reference_guided_global_style_transfer", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据文字提示与参考图，将视频整体转换为指定视觉风格。重点完成参考视觉风格、原内容、跨帧风格保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考视觉风格／原内容”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考视觉风格；原内容或跨帧风格保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考视觉风格已部分实现，任务意图可辨；但原内容或跨帧风格保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考视觉风格、原内容、跨帧风格保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考视觉风格、原内容、跨帧风格保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Correctness & Quality Assessment", "leaf_id": "Q4", "leaf_zh": "正确性与质量评估" }, "core_zh": "参照可见遥测曲线，为机器人视频逐通道呈现命令、实测及两者偏差的同步面板。", "criteria": [ { "id": "C1", "text_zh": "区分J1–J7及夹爪通道，命令与实测曲线使用清晰不同样式。" }, { "id": "C2", "text_zh": "曲线、偏差方向和变化趋势对应本例可见遥测参考，而非照抄样式示例。" }, { "id": "C3", "text_zh": "若显示误差数值及阈值等级，数值、正负与颜色在自身读数下自洽。" }, { "id": "C4", "text_zh": "保留原操作时序，不将原始机器遥测的精确小数视为视觉评分必要条件。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_341", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV341", "modality": "rv2v", "name": "robot_command_state_tracking_error_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，参照可见遥测曲线，为机器人视频逐通道呈现命令、实测及两者偏差的同步面板。重点完成命令与实测曲线区别、通道和误差方向、同步误差面板，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“命令与实测曲线区别／通道和误差方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现命令与实测曲线区别；通道和误差方向或同步误差面板大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "命令与实测曲线区别已部分实现，任务意图可辨；但通道和误差方向或同步误差面板仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "命令与实测曲线区别、通道和误差方向、同步误差面板的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "命令与实测曲线区别、通道和误差方向、同步误差面板完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "在原视频上叠加人物、物体定位和身份对应的人—物关系元组。", "criteria": [ { "id": "C1", "text_zh": "主要人物和交互物体有身份对应的定位框和类别。" }, { "id": "C2", "text_zh": "人—物关系元组的角色方向、语义及对象编号一致。" }, { "id": "C3", "text_zh": "关系与对应事件的大致时段同步，保留原视频。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_356", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV356", "modality": "rv2v", "name": "action_genome_dynamic_human_object_relation_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，在原视频上叠加人物、物体定位和身份对应的人—物关系元组。重点完成人物物体框、人—物关系方向、身份与时段对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人物物体框／人—物关系方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人物物体框；人—物关系方向或身份与时段对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人物物体框已部分实现，任务意图可辨；但人—物关系方向或身份与时段对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人物物体框、人—物关系方向、身份与时段对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人物物体框、人—物关系方向、身份与时段对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "依据参考图中的自然语言指令，从四个机器人动作视频中识别唯一匹配项并标记其窗口。", "criteria": [ { "id": "C1", "text_zh": "依据参考图可读指令，正确选择A–D中的唯一匹配候选，符合指定的对象属性、动作、工具及目标位置或方向，而非仅匹配场景或物体共现。" }, { "id": "C2", "text_zh": "仅在匹配窗口外围添加绿色边框和可读的MATCH标签，整段持续指示同一窗口；其余三个窗口不得添加匹配标记。" }, { "id": "C3", "text_zh": "保留全部四个候选的内容及字母身份，维持A左上、B右上、C左下、D右下的原排布；除指定标记外，不删除、替换或修改候选画面。" }, { "id": "C4", "text_zh": "保留输入的帧顺序、各候选播放进程及总时长，不通过删段、冻结、倒放、重排或变速改变候选动作。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_383", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV383", "modality": "rv2v", "name": "language_robot_video_matching_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据参考图中的自然语言指令，从四个机器人动作视频中识别唯一匹配项并标记其窗口。重点完成唯一指令匹配候选、正确窗口标记、四候选内容保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“唯一指令匹配候选／正确窗口标记”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现唯一指令匹配候选；正确窗口标记或四候选内容保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "唯一指令匹配候选已部分实现，任务意图可辨；但正确窗口标记或四候选内容保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "唯一指令匹配候选、正确窗口标记、四候选内容保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "唯一指令匹配候选、正确窗口标记、四候选内容保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "保留机器人交互视频，并将首次稳定接触及释放事件定位为同步的四阶段时间线。", "criteria": [ { "id": "C1", "text_zh": "识别首次稳定接触及释放的大致时刻，不把单纯靠近判为持续接触。" }, { "id": "C2", "text_zh": "四阶段时间条顺序、跨度和当前高亮与实际交互相符。" }, { "id": "C3", "text_zh": "保持参考的可读阶段编码及原视频动作。" }, { "id": "C4", "text_zh": "边界小幅差异按影响程度判断，不强求唯一源帧号。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_384", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV384", "modality": "rv2v", "name": "robot_touch_contact_onset_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，保留机器人交互视频，并将首次稳定接触及释放事件定位为同步的四阶段时间线。重点完成接触与释放、四阶段时间线、阶段和播放对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“接触与释放／四阶段时间线”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现接触与释放；四阶段时间线或阶段和播放对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "接触与释放已部分实现，任务意图可辨；但四阶段时间线或阶段和播放对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "接触与释放、四阶段时间线、阶段和播放对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "接触与释放、四阶段时间线、阶段和播放对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "依据人物与版式参考，在指定帧标注焦点人物动作并维持右侧快照仪表盘。", "criteria": [ { "id": "C1", "text_zh": "按人物参考保持焦点人物及编号对应，不跨样本固定人物数量。" }, { "id": "C2", "text_zh": "在指令要求的更新点提供人物框、裁剪快照和语义正确的动作标签。" }, { "id": "C3", "text_zh": "右侧卡片和主画面身份一致，非更新阶段保持最近快照。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_389", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV389", "modality": "rv2v", "name": "multi_person_keyframe_action_snapshot_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据人物与版式参考，在指定帧标注焦点人物动作并维持右侧快照仪表盘。重点完成指定人物动作、关键帧快照、仪表盘更新与身份，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定人物动作／关键帧快照”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定人物动作；关键帧快照或仪表盘更新与身份大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定人物动作已部分实现，任务意图可辨；但关键帧快照或仪表盘更新与身份仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定人物动作、关键帧快照、仪表盘更新与身份的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定人物动作、关键帧快照、仪表盘更新与身份完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "参照六类状态示例，为三焦面酵母母细胞视频逐帧判态并可视化状态转换。", "criteria": [ { "id": "C1", "text_zh": "针对被跟踪母细胞及其占位状态，每帧清晰显示与三焦面证据及参考类义相符的官方标签，且只取unbudded、small bud、large bud、dead、empty、clog之一。" }, { "id": "C2", "text_zh": "区分状态持续与转换；转换时显示正确的前态→后态，并在对应帧同步更新当前状态，不漏报或虚构切换。" }, { "id": "C3", "text_zh": "提供与视频同步的状态历史时间线，状态段的顺序与持续范围正确，当前位置标记、当前标签和转换提示一致。" }, { "id": "C4", "text_zh": "保留中心焦面及两个辅助焦面的显微内容、各自身份、同步关系和原有时间顺序；新增标注不得替换细胞形态或遮挡判态所需区域。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_410", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV410", "modality": "rv2v", "name": "yeast_budding_state_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，参照六类状态示例，为三焦面酵母母细胞视频逐帧判态并可视化状态转换。重点完成酵母细胞状态、状态转换、三焦面证据与历史线，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“酵母细胞状态／状态转换”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现酵母细胞状态；状态转换或三焦面证据与历史线大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "酵母细胞状态已部分实现，任务意图可辨；但状态转换或三焦面证据与历史线仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "酵母细胞状态、状态转换、三焦面证据与历史线的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "酵母细胞状态、状态转换、三焦面证据与历史线完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "借助同步事件参考，将RGB视频转为场景远近和运动对应的深度可视化。", "criteria": [ { "id": "C1", "text_zh": "生成与RGB及事件动态对应的深度场，主要远近和遮挡正确。" }, { "id": "C2", "text_zh": "遵循固定色标方向和大致层次，深度结构随原时间稳定变化。" }, { "id": "C3", "text_zh": "缺测按可见监督形式谨慎表达，不要求精确传感器孔洞、毫米值或查表字节。" }, { "id": "C4", "text_zh": "事件Reference仍属于必要视觉输入，不以Target替代。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_415", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV415", "modality": "rv2v", "name": "event_guided_synchronized_depth_video_reconstruction", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，借助同步事件参考，将RGB视频转为场景远近和运动对应的深度可视化。重点完成事件支持的深度、场景远近、RGB时序与缺测表达，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“事件支持的深度／场景远近”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现事件支持的深度；场景远近或RGB时序与缺测表达大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "事件支持的深度已部分实现，任务意图可辨；但场景远近或RGB时序与缺测表达仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "事件支持的深度、场景远近、RGB时序与缺测表达的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "事件支持的深度、场景远近、RGB时序与缺测表达完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "按目标参考图续写机械臂操作，使方块到达指定配置。", "criteria": [ { "id": "C1", "text_zh": "从输入末尾已夹起方块的状态合理续接，保留同一机械臂、夹爪、方块和工作台布局，不以重播输入或更换场景代替续写。" }, { "id": "C2", "text_zh": "以连贯的机械臂操控将方块运向目标，夹持期间方块与夹爪协调运动，不以明显瞬移、无支撑漂移或穿透台面替代搬运。" }, { "id": "C3", "text_zh": "结束时方块相对工作台标线和机械臂基座的位置、可见高度及可辨朝向，与该样本参考图的目标配置一致。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_455", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV455", "modality": "rv2v", "name": "ogbench_cube_goal_conditioned_manipulation_rollout", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，按目标参考图续写机械臂操作，使方块到达指定配置。重点完成方块目标配置、夹爪搬运、原末态衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“方块目标配置／夹爪搬运”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现方块目标配置；夹爪搬运或原末态衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "方块目标配置已部分实现，任务意图可辨；但夹爪搬运或原末态衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "方块目标配置、夹爪搬运、原末态衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "方块目标配置、夹爪搬运、原末态衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "依据首帧参考，将足球比赛视频中的人员运动映射为队别一致、坐标固定的俯视小地图视频。", "criteria": [ { "id": "C1", "text_zh": "输出独立的固定俯视足球小地图，沿用帧0参考的球场方向、相对尺度与初始布点，后续球场坐标系不随转播镜头移动或变焦。" }, { "id": "C2", "text_zh": "两队的蓝红映射以当前参考为准，守门员使用所属队色，未分队人员用灰色；片段内不得任意换色或改换归属。" }, { "id": "C3", "text_zh": "把输入中可判定的球员及比赛相关未分队人员逐一映射到球场地面位置，人数、所在半场、相对站位与疏密应正确，无实质漏人、多点或错误投影。" }, { "id": "C4", "text_zh": "覆盖六秒输入并按对应时刻逐帧更新；标记的移动方向、先后与人员运动一致，保持连续对应，不冻结、显著错时或出现无依据跳点。" }, { "id": "C5", "text_zh": "不渲染数字、ID、姓名、个人专属颜色、轨迹或未来位置，只用当前时刻的标记表达人员分布。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_469", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV469", "modality": "rv2v", "name": "reference_initialized_soccer_team_position_minimap_reconstruction", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据首帧参考，将足球比赛视频中的人员运动映射为队别一致、坐标固定的俯视小地图视频。重点完成参考球场坐标、队别和人员站位、俯视移动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考球场坐标／队别和人员站位”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考球场坐标；队别和人员站位或俯视移动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考球场坐标已部分实现，任务意图可辨；但队别和人员站位或俯视移动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考球场坐标、队别和人员站位、俯视移动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考球场坐标、队别和人员站位、俯视移动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Language, Vision & Symbol Transcription", "leaf_id": "X2", "leaf_zh": "语言、视觉与符号转写" }, "core_zh": "将钢琴演奏视频转写为与演奏同步滚动的符号钢琴卷帘。", "criteria": [ { "id": "C1", "text_zh": "输出以音符条为主体的可读钢琴卷帘，具有明确的琴键音高坐标、时间轴及当前演奏位置，音符条长度能够表达时值。" }, { "id": "C2", "text_zh": "音符的音高与数量对应输入演奏，保留高低音区、同时发音的和弦和分次击键的重复音，不用任意音符序列替代。" }, { "id": "C3", "text_zh": "音符起止、持续时值及音符间隔与输入窗口内的演奏相符，在同一相对时间基准上对齐，不整体错移、改变节奏或把不同长短统一化。" }, { "id": "C4", "text_zh": "卷帘随演奏时间连续滚动并覆盖整段输入，音高坐标与当前时间基准稳定，同一音符不因闪失、跳列或无故拆分而改变含义。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_89", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV89", "modality": "tv2v", "name": "piano_performance_to_score", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将钢琴演奏视频转写为与演奏同步滚动的符号钢琴卷帘。重点完成演奏音高与和弦、起止节奏、滚动钢琴卷帘，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“演奏音高与和弦／起止节奏”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现演奏音高与和弦；起止节奏或滚动钢琴卷帘大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "演奏音高与和弦已部分实现，任务意图可辨；但起止节奏或滚动钢琴卷帘仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "演奏音高与和弦、起止节奏、滚动钢琴卷帘的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "演奏音高与和弦、起止节奏、滚动钢琴卷帘完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "跟踪首帧参考图中跨多个主体的16个指定点，并按可见性叠加同色短时轨迹。", "criteria": [ { "id": "C1", "text_zh": "跟踪集合恰为参考图指定的16个查询点，不新增或替换；每点及其路径始终保持与参考图一致的颜色对应。" }, { "id": "C2", "text_zh": "在查询点可见的帧中，圆点持续贴合参考点对应的同一主体、同一局部位置，随肢体及镜头运动更新，不漂移或切换到其他人物、部位。" }, { "id": "C3", "text_zh": "短路径表达该点最近一小段已发生的运动并滚动消退，不累计整段或预画未来；无需精确复制12帧窗口的边界。" }, { "id": "C4", "text_zh": "查询点被遮挡或移出画面时，圆点及整条路径均隐藏；重新可见时恢复原色圆点并重新开始路径，不跨隐藏时段连线。" }, { "id": "C5", "text_zh": "保留输入的场景、人物动作、原有镜头及其变化、时间顺序、时长和节奏；只叠加指定点与轨迹，不添加编号、文字或其他标注。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_492", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV492", "modality": "rv2v", "name": "synthetic_rgb_to_long_term_point_track_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，跟踪首帧参考图中跨多个主体的16个指定点，并按可见性叠加同色短时轨迹。重点完成参考查询点、身份和位置跟随、短轨迹及遮挡，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考查询点／身份和位置跟随”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考查询点；身份和位置跟随或短轨迹及遮挡大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考查询点已部分实现，任务意图可辨；但身份和位置跟随或短轨迹及遮挡仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考查询点、身份和位置跟随、短轨迹及遮挡的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考查询点、身份和位置跟随、短轨迹及遮挡完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Structure-conditioned Visual Reconstruction", "leaf_id": "X4", "leaf_zh": "结构条件视觉重建" }, "core_zh": "将骨架时间线迁移给参考角色，并从指定的新机位生成动画。", "criteria": [ { "id": "C1", "text_zh": "生成参考中同一角色，体形、材质与显著配件保持。" }, { "id": "C2", "text_zh": "迁移输入骨架的动作、相位和身体方向，不能另编动作。" }, { "id": "C3", "text_zh": "采用Prompt和视觉材料可解释的新观察方位，几何和遮挡连贯。" }, { "id": "C4", "text_zh": "不从不透明机位编号v000要求唯一隐藏标定值。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_497", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV497", "modality": "rv2v", "name": "appearance_reference_guided_skeletal_animation", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，将骨架时间线迁移给参考角色，并从指定的新机位生成动画。重点完成参考角色外观、输入骨架动作、指定新视角，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考角色外观／输入骨架动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考角色外观；输入骨架动作或指定新视角大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考角色外观已部分实现，任务意图可辨；但输入骨架动作或指定新视角仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考角色外观、输入骨架动作、指定新视角的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考角色外观、输入骨架动作、指定新视角完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "依据共享鸟类图鉴，在湿地视频中识别并逐个定位图鉴内物种。", "criteria": [ { "id": "C1", "text_zh": "覆盖视频中实际出现且可辨认的全部图鉴物种个体，不把图鉴外鸟类或背景误报为图鉴物种。" }, { "id": "C2", "text_zh": "每个框关联正确且可辨识的物种名称，类别与图鉴及所框鸟体一致；同种不同性别或姿态保持同一类别。" }, { "id": "C3", "text_zh": "用独立矩形框贴合每只鸟的可见鸟体范围，不以倒影、大片背景或多个个体的合并框替代定位。" }, { "id": "C4", "text_zh": "在鸟可见的时间段持续更新框和物种标签，跟随对应鸟体移动及姿态改变，避免实质性丢标、类别跳变或错附其他对象。" }, { "id": "C5", "text_zh": "标注叠加在输入视频上，保留鸟类、其他动物、湿地背景及原有运动和时序，不靠替换画面或增删鸟体实现定位结果。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_527", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV527", "modality": "rv2v", "name": "wetland_bird_species_localization_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据共享鸟类图鉴，在湿地视频中识别并逐个定位图鉴内物种。重点完成图鉴内鸟种、逐鸟定位、类别与时序跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“图鉴内鸟种／逐鸟定位”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现图鉴内鸟种；逐鸟定位或类别与时序跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "图鉴内鸟种已部分实现，任务意图可辨；但逐鸟定位或类别与时序跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "图鉴内鸟种、逐鸟定位、类别与时序跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "图鉴内鸟种、逐鸟定位、类别与时序跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Structure-conditioned Visual Reconstruction", "leaf_id": "X4", "leaf_zh": "结构条件视觉重建" }, "core_zh": "依据语义分割和深度约束重建空间与时序一致的自然RGB视频。", "criteria": [ { "id": "C1", "text_zh": "输出自然RGB场景视频，呈现可辨认的物体、材质纹理与光照，而非分割伪彩、深度图或控制图拼屏。" }, { "id": "C2", "text_zh": "主要对象的类别与可见结构对应分割区域，保留其轮廓、画面位置和场景布局，不任意增删或替换物体。" }, { "id": "C3", "text_zh": "几何比例、透视、前后次序与遮挡符合深度约束，避免近远颠倒或明显穿插；保持可判读的相对空间关系。" }, { "id": "C4", "text_zh": "生成覆盖输入时序的视频，保留相机转动、倾斜和行进造成的变化，使可见运动、对象出入画面及遮挡显露对应输入，而非冻结、乱序或擅改运镜。" }, { "id": "C5", "text_zh": "同一对象在跨帧、遮挡和视角变化中保持身份、材质、纹理与基准颜色一致，不出现无因换物、换色或纹理漂移。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_537", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV537", "modality": "rv2v", "name": "semantic_depth_to_rgb_video_synthesis", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据语义分割和深度约束重建空间与时序一致的自然RGB视频。重点完成语义对象布局、深度空间约束、自然RGB与动态一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“语义对象布局／深度空间约束”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现语义对象布局；深度空间约束或自然RGB与动态一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "语义对象布局已部分实现，任务意图可辨；但深度空间约束或自然RGB与动态一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "语义对象布局、深度空间约束、自然RGB与动态一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "语义对象布局、深度空间约束、自然RGB与动态一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "依据参考指定的对象及背景标签，将原视频转换为跨帧身份一致的全景分割视频。", "criteria": [ { "id": "C1", "text_zh": "输出不含原画纹理的全景分割色块图，对象与背景按参考规定的范围和粒度划分，位置、轮廓及遮挡关系对应原帧可见区域。" }, { "id": "C2", "text_zh": "每个标注对象与背景区使用参考指定的标签色，正确对应对象身份或背景标签。" }, { "id": "C3", "text_zh": "同一对象或背景区跨帧保持颜色身份；若对象被遮挡或离画后重现，仍使用原指定颜色。" }, { "id": "C4", "text_zh": "参考未标注的区域保持黑色，不擅自赋予其他标签色或保留原画面内容。" }, { "id": "C5", "text_zh": "保持原视频的取景范围、事件顺序和时间对应关系，分割区域随原画面同步变化，不额外裁切、增删镜头或改变播放节奏。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "医学与生命科学", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_575", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV575", "modality": "rv2v", "name": "vipseg_temporally_consistent_video_panoptic_segmentation", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据参考指定的对象及背景标签，将原视频转换为跨帧身份一致的全景分割视频。重点完成全景类别实例、参考身份色、区域时序一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“全景类别实例／参考身份色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现全景类别实例；参考身份色或区域时序一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "全景类别实例已部分实现，任务意图可辨；但参考身份色或区域时序一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "全景类别实例、参考身份色、区域时序一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "全景类别实例、参考身份色、区域时序一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "将参考图中的黄色箭头稳定锚定在视频的同一地面位置，使其投影与可见性随相机运动正确变化。", "criteria": [ { "id": "C1", "text_zh": "在对应地面复现参考图中的黄色箭头，参考视角下的落点、轮廓、相对大小和指向一致。" }, { "id": "C2", "text_zh": "跨帧保持箭头相对同一地面区域的落点、尺度与朝向，随原相机运动连续更新透视投影，不出现滑移、漂浮或无故闪烁。" }, { "id": "C3", "text_zh": "当前景表面挡住箭头时，仅显示未被遮挡部分；箭头超出视野时按画面边界裁切或消失，不迁移落点来维持可见。" }, { "id": "C4", "text_zh": "除加入箭头外，保留原场景内容、物体布局及运动、相机运动，并沿用输入的帧序与时间对应，不重排、冻结或变速。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_588", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV588", "modality": "rv2v", "name": "reference_anchored_world_surface_decal_propagation", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，将参考图中的黄色箭头稳定锚定在视频的同一地面位置，使其投影与可见性随相机运动正确变化。重点完成箭头地面落点、固定世界朝向、透视与遮挡，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“箭头地面落点／固定世界朝向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现箭头地面落点；固定世界朝向或透视与遮挡大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "箭头地面落点已部分实现，任务意图可辨；但固定世界朝向或透视与遮挡仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "箭头地面落点、固定世界朝向、透视与遮挡的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "箭头地面落点、固定世界朝向、透视与遮挡完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将舞蹈视频中的双踝中心运动重建为参考坐标系下的固定俯视点迹动画。", "criteria": [ { "id": "C1", "text_zh": "以参考图中的双踝位置初始化俯视点迹图，全程保持该视点、尺度与原点，不随人物移动或转身重置坐标系。" }, { "id": "C2", "text_zh": "持续显示两个踝中心点，固定用蓝色表示左踝、橙色表示右踝；转身、交叉或图中相对位置改变时不交换身份。" }, { "id": "C3", "text_zh": "双踝点位随输入中实际踝中心的运动更新，俯视位移方向、相对位置、幅度及停顿与可见下肢动作和参考尺度相符，不虚构移动。" }, { "id": "C4", "text_zh": "为两踝分别显示近期约半秒的同色历史轨迹，随时间消退，不连接双踝或预画未来。" }, { "id": "C5", "text_zh": "位置更新与输入对应时刻同步，保留原有帧序、动作节奏及总时长，不删改、重排动作片段或变速。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_589", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV589", "modality": "rv2v", "name": "reference_initialized_dance_footwork_top_view_reconstruction", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，将舞蹈视频中的双踝中心运动重建为参考坐标系下的固定俯视点迹动画。重点完成双踝左右身份、参考俯视坐标、运动和历史轨迹，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“双踝左右身份／参考俯视坐标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现双踝左右身份；参考俯视坐标或运动和历史轨迹大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "双踝左右身份已部分实现，任务意图可辨；但参考俯视坐标或运动和历史轨迹仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "双踝左右身份、参考俯视坐标、运动和历史轨迹的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "双踝左右身份、参考俯视坐标、运动和历史轨迹完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "依据参考图指定的相机视角，同步重现输入视频中的手物抓取动作。", "criteria": [ { "id": "C1", "text_zh": "输出采用参考图指定的观察方位与俯仰关系，主要桌面透视、人物入画方向和物体可见面符合该机位，而不是保留输入机位或仅作平面翻转。" }, { "id": "C2", "text_zh": "保持同一操作者、被抓物和主要桌面物品的身份及辨识性外观；未参与动作的物品维持原有空间布置，不被无故替换、增删或移动。" }, { "id": "C3", "text_zh": "重现输入片段中的手臂运动、抓握部位及物体移动和转向；手与物体在新视角下保持对应的可见接触和随动关系，不变成另一种抓法或动作。" }, { "id": "C4", "text_zh": "输出与输入处于同一动作时间线，接触、离桌、抬举和持握等已有阶段在对应时刻出现，保留运动节奏及停留时长，不额外重复、明显错时或擅自变速。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_590", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV590", "modality": "rv2v", "name": "reference_guided_dexycb_grasp_cross_view_translation", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据参考图指定的相机视角，同步重现输入视频中的手物抓取动作。重点完成参考抓取机位、同一操作者与物件、同步接触关系，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考抓取机位／同一操作者与物件”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考抓取机位；同一操作者与物件或同步接触关系大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考抓取机位已部分实现，任务意图可辨；但同一操作者与物件或同步接触关系仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考抓取机位、同一操作者与物件、同步接触关系的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考抓取机位、同一操作者与物件、同步接触关系完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "依据彩色参考图为灰度视频上色，并在运动过程中保持对象与背景的配色一致。", "criteria": [ { "id": "C1", "text_zh": "将灰度视频转为彩色视频，人物肤色、服饰、物体及背景的主要配色遵循参考图，而非统一套用单色滤镜。" }, { "id": "C2", "text_zh": "颜色分配贴合人物、物体和背景的可见区域及轮廓，保留原有明暗和纹理，避免明显跨区域串色或成片漏色。" }, { "id": "C3", "text_zh": "保留输入的主体身份、场景布局、物体形态及动作与镜头变化，不增删内容，也不能用静态参考图替代原视频过程。" }, { "id": "C4", "text_zh": "同一人物、物体和背景在运动过程中维持连贯的颜色归属，颜色随对象移动及可见性变化正确跟随，无明显无故换色、闪烁或拖色。" } ], "domains_zh": [ "体育与运动训练", "人类活动与交互", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_592", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV592", "modality": "rv2v", "name": "reference_guided_ucf101_video_colorization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据彩色参考图为灰度视频上色，并在运动过程中保持对象与背景的配色一致。重点完成参考主要配色、轮廓和明暗、运动中着色稳定，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考主要配色／轮廓和明暗”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考主要配色；轮廓和明暗或运动中着色稳定大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考主要配色已部分实现，任务意图可辨；但轮廓和明暗或运动中着色稳定仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考主要配色、轮廓和明暗、运动中着色稳定的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考主要配色、轮廓和明暗、运动中着色稳定完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "为超声心动图叠加与源帧同步的左室轮廓、心动周期状态及容积代理轨迹。", "criteria": [ { "id": "C1", "text_zh": "左室轮廓随可辨心室形态变化，叠加不改造原超声。" }, { "id": "C2", "text_zh": "收缩舒张、ED和ES事件及时间游标大致同步。" }, { "id": "C3", "text_zh": "容积代理曲线反映心室变化并与当前相位相容。" }, { "id": "C4", "text_zh": "若显示LVEF，应是有依据且内部一致的近似说明，不要求缺少测量依据时恢复临床精确百分比，也不认证诊断准确性。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_616", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV616", "modality": "rv2v", "name": "echocardiography_cardiac_cycle_function_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，为超声心动图叠加与源帧同步的左室轮廓、心动周期状态及容积代理轨迹。重点完成左室轮廓、心动相位和ED/ES、同步容积代理曲线，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左室轮廓／心动相位和ED/ES”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左室轮廓；心动相位和ED/ES或同步容积代理曲线大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左室轮廓已部分实现，任务意图可辨；但心动相位和ED/ES或同步容积代理曲线仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左室轮廓、心动相位和ED/ES、同步容积代理曲线的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左室轮廓、心动相位和ED/ES、同步容积代理曲线完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Future Trajectories & Interaction Anticipation", "leaf_id": "D4", "leaf_zh": "未来轨迹与交互预期" }, "core_zh": "以静态地图为约束，将多环视历史外推为自车与交通参与者的短时动态鸟瞰图。", "criteria": [ { "id": "C1", "text_zh": "预测紧接输入的未来短时BEV过程，不复播历史。" }, { "id": "C2", "text_zh": "以参考地图建立固定坐标并保持道路结构和自车锚定。" }, { "id": "C3", "text_zh": "自车及主要交通参与者身份、朝向和未来运动合理，相对位置及轨迹一致。" }, { "id": "C4", "text_zh": "类别色和历史尾迹语义正确，不要求精确米制坐标或固定视频编码。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_631", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV631", "modality": "rv2v", "name": "av2_multiview_rgb_and_map_to_future_3d_scene_evolution", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，以静态地图为约束，将多环视历史外推为自车与交通参与者的短时动态鸟瞰图。重点完成未来BEV动态、地图锚定与对象身份、运动趋势，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“未来BEV动态／地图锚定与对象身份”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现未来BEV动态；地图锚定与对象身份或运动趋势大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "未来BEV动态已部分实现，任务意图可辨；但地图锚定与对象身份或运动趋势仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "未来BEV动态、地图锚定与对象身份、运动趋势的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "未来BEV动态、地图锚定与对象身份、运动趋势完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将七路驾驶视频依据静态地图转换为固定坐标系下同步更新的语义鸟瞰轨迹视频。", "criteria": [ { "id": "C1", "text_zh": "将七路同刻场景转换为参考地图上的同步BEV。" }, { "id": "C2", "text_zh": "地图方向、道路结构、自车锚点和主要参与者相对位置正确。" }, { "id": "C3", "text_zh": "身份和朝向随运动持续对应，轨迹仅表示截至当前的历史。" }, { "id": "C4", "text_zh": "类别色稳定，不要求每个框或轨迹顶点与真实三维标注精确重合。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_672", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV672", "modality": "rv2v", "name": "av2_multiview_rgb_and_map_to_synchronized_3d_scene_bev", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，将七路驾驶视频依据静态地图转换为固定坐标系下同步更新的语义鸟瞰轨迹视频。重点完成地图坐标、多视角人员车辆关联、同步鸟瞰轨迹，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“地图坐标／多视角人员车辆关联”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现地图坐标；多视角人员车辆关联或同步鸟瞰轨迹大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "地图坐标已部分实现，任务意图可辨；但多视角人员车辆关联或同步鸟瞰轨迹仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "地图坐标、多视角人员车辆关联、同步鸟瞰轨迹的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "地图坐标、多视角人员车辆关联、同步鸟瞰轨迹完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "按参考图指定的目标状态，续写机器人抓取或搬运物体的后续视频。", "criteria": [ { "id": "C1", "text_zh": "续演从输入末段的夹爪和物体状态自然接续，保留已经完成的操作结果，并呈现后续动作，而非重新开始或只展示静态目标图。" }, { "id": "C2", "text_zh": "操纵正确的目标物体，按当前阶段完成所需接近、夹取、抬升或搬运；物体身份稳定，位移与夹爪的可见接触和携带关系连贯，无换物、复制或无因跳移。" }, { "id": "C3", "text_zh": "末段达到参考图中夹爪与目标物体的可见位置、朝向和夹持或接触状态，以及它们相对陈列台、袋口的关系，而非仅朝目标方向运动。" }, { "id": "C4", "text_zh": "维持同一机器人、陈列台、购物车及购物袋的场景关系，未操作蔬果和袋内已有物品不无故增删、替换或大幅移位。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_681", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV681", "modality": "rv2v", "name": "agibot_goal_image_conditioned_short_horizon_rollout", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，按参考图指定的目标状态，续写机器人抓取或搬运物体的后续视频。重点完成参考目标状态、夹持搬运过程、原机器人场景，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考目标状态／夹持搬运过程”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考目标状态；夹持搬运过程或原机器人场景大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考目标状态已部分实现，任务意图可辨；但夹持搬运过程或原机器人场景仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考目标状态、夹持搬运过程、原机器人场景的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考目标状态、夹持搬运过程、原机器人场景完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "在保持前景外观与运动不变的前提下，将视频绿幕替换为场景相容且时序连贯的真实环境。", "criteria": [ { "id": "C1", "text_zh": "仅替换输入的色键绿区域，完整覆盖主体间空隙及遮挡缺口，生成真实场景内容，不遗留可见绿幕块或绿幕边带。" }, { "id": "C2", "text_zh": "输入全部可见前景主体及其器物的外观、颜色、轮廓、位置和尺度保持不变，不因换景而删漏、替换或形变。" }, { "id": "C3", "text_zh": "保持输入前景的动作轨迹、顺序、速度、持续时间及出入画时刻，不冻结、重演、改速或重新剪排前景。" }, { "id": "C4", "text_zh": "新背景符合提示指定的真实场景及要素；通用描述分支选择与前景活动相容的环境，不要求复原唯一原场景。" }, { "id": "C5", "text_zh": "背景透视、尺度、光照、地面或水面接触及遮挡与原动作相容；环境结构与动态随视角连贯变化，不出现无因跳变、漂移或闪烁。" } ], "domains_zh": [ "体育与运动训练", "自然环境与地球观测", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_15", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV15", "modality": "tv2v", "name": "video element editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持前景外观与运动不变的前提下，将视频绿幕替换为场景相容且时序连贯的真实环境。重点完成绿幕替换、前景完整保留、背景空间融合，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“绿幕替换／前景完整保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现绿幕替换；前景完整保留或背景空间融合大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "绿幕替换已部分实现，任务意图可辨；但前景完整保留或背景空间融合仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "绿幕替换、前景完整保留、背景空间融合的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "绿幕替换、前景完整保留、背景空间融合完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "借助同步广角参考，对低分辨率超广角视频进行保真超分辨率复原。", "criteria": [ { "id": "C1", "text_zh": "相较低清输入，实质恢复原有结构与细纹的清晰度，如装置线纹、书架分隔和地砖纹理，呈现高分辨率外观，而非仅扩大尺寸或制造锐化轮廓。" }, { "id": "C2", "text_zh": "保持输入的超广角视场、视点、构图及物体相对尺度，包括参考未覆盖的周边内容；不得裁切、拉伸或切换为参考的较窄取景。" }, { "id": "C3", "text_zh": "各对应时刻的人物、物件和场景结构不被增删替换；共同可见区域的细节应与同步参考中同一对象对应，不把纹理错贴到别处。" }, { "id": "C4", "text_zh": "保持输入时间进程与镜头、物体运动，不改速、重排或冻结原有过程；恢复的纹理随对象及遮挡连续变化，不新增明显闪烁、重影或漂移。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测", "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_301", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV301", "modality": "rv2v", "name": "multi_camera_reference_guided_video_super_resolution", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，借助同步广角参考，对低分辨率超广角视频进行保真超分辨率复原。重点完成真实细节恢复、超广角视野、参考和动态一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“真实细节恢复／超广角视野”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现真实细节恢复；超广角视野或参考和动态一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "真实细节恢复已部分实现，任务意图可辨；但超广角视野或参考和动态一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "真实细节恢复、超广角视野、参考和动态一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "真实细节恢复、超广角视野、参考和动态一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "根据幼苗早期观测视频和指定时间条件，外推同一批植株在未来观察窗口中的生长状态。", "criteria": [ { "id": "C1", "text_zh": "从指定延迟后的生长状态开始展示未来观察窗口，不重播输入或将整个等待期误作观察窗口。" }, { "id": "C2", "text_zh": "形成与物种、输入状态及预测间隔相容的后期茎叶形态，体现合理的伸长、展开或新叶发育，不能仅将原株或整幅画面等比放大。" }, { "id": "C3", "text_zh": "输入中可见的各株与所属盆格保持可追踪对应，不随意增删、换株或重排种植布局。" }, { "id": "C4", "text_zh": "保持输入的俯视机位、取景、容器形状与排列及背景结构，不通过移镜、换盘或替换场景制造生长变化。" }, { "id": "C5", "text_zh": "未来窗口内同株茎叶的连接、形态与姿态随时间连贯，无无法由正常生长或遮挡解释的跳变、瞬间增删或发育阶段倒退。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_37", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV37", "modality": "tv2v", "name": "crop growth", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据幼苗早期观测视频和指定时间条件，外推同一批植株在未来观察窗口中的生长状态。重点完成同批植株生长、未来观察阶段、原盆格与连续形态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同批植株生长／未来观察阶段”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同批植株生长；未来观察阶段或原盆格与连续形态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同批植株生长已部分实现，任务意图可辨；但未来观察阶段或原盆格与连续形态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同批植株生长、未来观察阶段、原盆格与连续形态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同批植株生长、未来观察阶段、原盆格与连续形态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "按图元类型为CAD构建动画进行时序一致的重着色。", "criteria": [ { "id": "C1", "text_zh": "已有点图元呈品红色，直线（含虚线）呈蓝色，圆呈橙色，圆弧（含圆角弧段）呈绿色，并在各自可见期间保持正确颜色。" }, { "id": "C2", "text_zh": "保留图元的数量、位置、尺寸、形状及连接关系，原有虚实线样式不变，不增删、挪动或重构图形。" }, { "id": "C3", "text_zh": "保留输入的图元绘制先后、出现时机和停留时长，不提前展示完成图，不跳步、重排或变速。" }, { "id": "C4", "text_zh": "保持白色绘图区背景及轮廓内部留白，不把闭合轮廓填成色块，也不使图元改色外溢到背景。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_619", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV619", "modality": "tv2v", "name": "cad_primitive_type_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按图元类型为CAD构建动画进行时序一致的重着色。重点完成CAD图元类型色、几何连接、原绘制顺序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“CAD图元类型色／几何连接”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现CAD图元类型色；几何连接或原绘制顺序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "CAD图元类型色已部分实现，任务意图可辨；但几何连接或原绘制顺序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "CAD图元类型色、几何连接、原绘制顺序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "CAD图元类型色、几何连接、原绘制顺序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "续写杯具移动或提起过程，并保持杯具与已知小物的状态连续。", "criteria": [ { "id": "C1", "text_zh": "从输入末段的布局和动作阶段接续，人物、杯具及未参与操作的场景物件保持同一性，杯具不无故增减或替换。" }, { "id": "C2", "text_zh": "按提示延续所指杯具的操作：移杯应有杯具自身位移，提杯应可辨离桌状态及动作进展，不能仅用镜头运动代替。" }, { "id": "C3", "text_zh": "手部抓握与杯具运动协调，提放的关键状态具有连续因果关系，不出现破坏动作含义的明显瞬移、穿透或无因悬浮。" }, { "id": "C4", "text_zh": "输入已展示的杯下或杯内小物须保持身份及已知关系：提起倒扣杯不应无因带走桌面小物，移动正放杯不应使杯内物无故消失、复制或换杯。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_60", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV60", "modality": "tv2v", "name": "occlusion state completion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续写杯具移动或提起过程，并保持杯具与已知小物的状态连续。重点完成杯具操作续接、杯内外小物关系、手物因果，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“杯具操作续接／杯内外小物关系”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现杯具操作续接；杯内外小物关系或手物因果大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "杯具操作续接已部分实现，任务意图可辨；但杯内外小物关系或手物因果仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "杯具操作续接、杯内外小物关系、手物因果的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "杯具操作续接、杯内外小物关系、手物因果完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "为固定机位云景延时视频续写紧邻的下一时段。", "criteria": [ { "id": "C1", "text_zh": "生成紧接输入末态发展的后续时段，接缝处状态自然承接，不以重播、倒放、长时间静帧或明显跳时替代续写，续段不切镜。" }, { "id": "C2", "text_zh": "保持同一场景、固定视角与实际取景；山体、林线、屋顶等既有静态内容的可见结构和布局稳定，不运镜、重构地景或凭空添加无关对象。" }, { "id": "C3", "text_zh": "云层的主导漂移、形变及表观运动节奏延续输入中的延时趋势，不出现无依据的反向、瞬移、整体停滞或骤然变速。" }, { "id": "C4", "text_zh": "云层与场景的受光、亮度及色调从输入末态自然延续原有演变，不突变为另一时段，或无依据地跳亮、跳暗、换色。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_74", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV74", "modality": "tv2v", "name": "timelapse prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为固定机位云景延时视频续写紧邻的下一时段。重点完成云景紧邻续写、静态地景、云和光照连续演变，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“云景紧邻续写／静态地景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现云景紧邻续写；静态地景或云和光照连续演变大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "云景紧邻续写已部分实现，任务意图可辨；但静态地景或云和光照连续演变仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "云景紧邻续写、静态地景、云和光照连续演变的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "云景紧邻续写、静态地景、云和光照连续演变完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "续写固定机位的山火场景视频，呈现烟羽随时间扩散与演变。", "criteria": [ { "id": "C1", "text_zh": "输出延续输入末段之后的同一场景，开头合理承接已有画面状态，不另起场景或倒回重播输入。" }, { "id": "C2", "text_zh": "保持固定机位、视角和构图，地平线、山脊及主要静态地物的整体布局稳定，不用运镜、变焦或地貌变形制造动态。" }, { "id": "C3", "text_zh": "续演输入中的同一烟羽，承接其相对地景的位置、尺度和已有走势，不无依据改换烟源。" }, { "id": "C4", "text_zh": "烟羽随时间自然扩散并改变形态，可伴随升腾、飘移或变淡，不以静止贴图、突兀跳位或无故闪现消失替代演变。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_83", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV83", "modality": "tv2v", "name": "fire smoke spread evolution", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续写固定机位的山火场景视频，呈现烟羽随时间扩散与演变。重点完成同场景后续、可辨烟羽扩散、固定机位与天气连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同场景后续／可辨烟羽扩散”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同场景后续；可辨烟羽扩散或固定机位与天气连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同场景后续已部分实现，任务意图可辨；但可辨烟羽扩散或固定机位与天气连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同场景后续、可辨烟羽扩散、固定机位与天气连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同场景后续、可辨烟羽扩散、固定机位与天气连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "对固定场景进行按指定方向序列切换的离散多光态重照明。", "criteria": [ { "id": "C1", "text_zh": "固定场景在不同光照方向下产生协调的受光、阴影与高光。" }, { "id": "C2", "text_zh": "呈现指令要求的离散多光态过程及大致顺序，不用全帧亮度缩放代替。" }, { "id": "C3", "text_zh": "保持相机、物体结构和固有材质。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_84", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV84", "modality": "tv2v", "name": "shadow consistency moving light", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对固定场景进行按指定方向序列切换的离散多光态重照明。重点完成方向性重照明、离散光态、固定几何与材质，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“方向性重照明／离散光态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现方向性重照明；离散光态或固定几何与材质大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "方向性重照明已部分实现，任务意图可辨；但离散光态或固定几何与材质仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "方向性重照明、离散光态、固定几何与材质的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "方向性重照明、离散光态、固定几何与材质完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将相机自身运动表达为首帧右—前平面内的累积二维轨迹。", "criteria": [ { "id": "C1", "text_zh": "使用首帧右—前平面的稳定二维坐标表示相机自身位移，而非物体屏幕轨迹。" }, { "id": "C2", "text_zh": "路径按时间累积并体现主要转弯、停顿、回退，当前点位于路径末端。" }, { "id": "C3", "text_zh": "保留提示的路径与当前位置配色。" }, { "id": "C4", "text_zh": "比例和方向视觉一致，不要求在未标定视频中恢复400像素每米的精确尺度。" } ], "domains_zh": [ "建筑与空间场景", "机器人与自主体", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_100", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV100", "modality": "tv2v", "name": "相机自运动轨迹可视化", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将相机自身运动表达为首帧右—前平面内的累积二维轨迹。重点完成相机自运动路径、右前平面坐标、累积轨迹与当前位置，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相机自运动路径／右前平面坐标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相机自运动路径；右前平面坐标或累积轨迹与当前位置大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相机自运动路径已部分实现，任务意图可辨；但右前平面坐标或累积轨迹与当前位置仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相机自运动路径、右前平面坐标、累积轨迹与当前位置的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相机自运动路径、右前平面坐标、累积轨迹与当前位置完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Future Trajectories & Interaction Anticipation", "leaf_id": "D4", "leaf_zh": "未来轨迹与交互预期" }, "core_zh": "预测视频中即将进入近距范围的表面区域，并在当前视图中以距离色阶预警。", "criteria": [ { "id": "C1", "text_zh": "高亮即将接近相机的主要表面区域，区分相对更近与更远的部分。" }, { "id": "C2", "text_zh": "预警叠层贴合当前视角的对应场景表面。" }, { "id": "C3", "text_zh": "绿黄红的远近语义及随视点变化的更新合理。" }, { "id": "C4", "text_zh": "0.8秒和1.2米作为近距预警意图，不强求无标定RGB推导唯一厘米级阈值掩码。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_102", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV102", "modality": "tv2v", "name": "近场障碍距离预警", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，预测视频中即将进入近距范围的表面区域，并在当前视图中以距离色阶预警。重点完成近场危险区域、距离强弱配色、当前表面与预测对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“近场危险区域／距离强弱配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现近场危险区域；距离强弱配色或当前表面与预测对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "近场危险区域已部分实现，任务意图可辨；但距离强弱配色或当前表面与预测对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "近场危险区域、距离强弱配色、当前表面与预测对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "近场危险区域、距离强弱配色、当前表面与预测对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "将指定行人的真实未来影像配准回当前场景，生成非因果未来位置重影视频。", "criteria": [ { "id": "C1", "text_zh": "保持当前行人和原场景，并叠加同一人的未来姿态与位置重影。" }, { "id": "C2", "text_zh": "未来影像由输入后续可见内容支持，不能只平移当前姿态。" }, { "id": "C3", "text_zh": "补偿相机运动后，人物重影、框和脚点在同一静态场景中相互对齐。" }, { "id": "C4", "text_zh": "黄色未来层与当前蓝框明确区分，时间偏移语义正确，不要求唯一配准算法或像素变换矩阵。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_108", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV108", "modality": "tv2v", "name": "pedestrian future position edit", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将指定行人的真实未来影像配准回当前场景，生成非因果未来位置重影视频。重点完成同一行人未来姿态、静态场景配准、黄色未来层对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同一行人未来姿态／静态场景配准”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同一行人未来姿态；静态场景配准或黄色未来层对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同一行人未来姿态已部分实现，任务意图可辨；但静态场景配准或黄色未来层对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同一行人未来姿态、静态场景配准、黄色未来层对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同一行人未来姿态、静态场景配准、黄色未来层对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "校正滚动快门畸变，恢复与原时间轴对齐的全局快门视频。", "criteria": [ { "id": "C1", "text_zh": "消除可见的行间剪切、异常倾斜和局部拉伸，使建筑、杆件及运动主体的几何连贯，并避免校正引入新的跨帧扭曲。" }, { "id": "C2", "text_zh": "输出沿原时间轴与场景进程对齐，保留相机及主体运动的方向和节奏，不出现错时、变速、冻结或重排。" }, { "id": "C3", "text_zh": "保留场景中的对象、身份及空间关系，忠实保持可辨纹理、文字标识、主要色彩和光照外观，不新增、删除或替换内容。" }, { "id": "C4", "text_zh": "保持原有取景范围和主体布局，仅作校正所需的几何重映射，不通过明显裁切、缩放、换视角或丢失边缘内容掩盖畸变。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_119", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV119", "modality": "tv2v", "name": "rolling_shutter_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，校正滚动快门畸变，恢复与原时间轴对齐的全局快门视频。重点完成滚动快门畸变修复、几何连续、原运动与内容，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“滚动快门畸变修复／几何连续”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现滚动快门畸变修复；几何连续或原运动与内容大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "滚动快门畸变修复已部分实现，任务意图可辨；但几何连续或原运动与内容仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "滚动快门畸变修复、几何连续、原运动与内容的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "滚动快门畸变修复、几何连续、原运动与内容完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "估计并可视化视频每对相邻帧之间的前向稠密光流。", "criteria": [ { "id": "C1", "text_zh": "表达相邻帧的前向稠密位移，主要物体及背景运动边界正确。" }, { "id": "C2", "text_zh": "用指定方向色体现左右上下，强弱与相对位移相符。" }, { "id": "C3", "text_zh": "区分近零运动与不可观测区域，跨帧标尺稳定。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_120", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV120", "modality": "tv2v", "name": "dense_optical_flow_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，估计并可视化视频每对相邻帧之间的前向稠密光流。重点完成前向稠密运动、方向色编码、幅值和边界，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“前向稠密运动／方向色编码”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现前向稠密运动；方向色编码或幅值和边界大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "前向稠密运动已部分实现，任务意图可辨；但方向色编码或幅值和边界仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "前向稠密运动、方向色编码、幅值和边界的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "前向稠密运动、方向色编码、幅值和边界完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "在保持原场景外观、几何与运动的同时，通过合成中间帧将视频帧率提升为原来的四倍。", "criteria": [ { "id": "C1", "text_zh": "保留原有动作时间线，将帧率提高为输入的4倍，每对相邻原帧之间合成三个等间隔中间帧。" }, { "id": "C2", "text_zh": "原采样时刻保留输入画面；新增帧延续原主体、背景、外观和可见几何结构，不增删物体或产生结构性变形。" }, { "id": "C3", "text_zh": "中间帧合理衔接相邻原帧的主体及画面整体运动，延续方向、轨迹、快慢变化与遮挡关系，不引入明显停顿、反向跳变或突兀位移。" } ], "domains_zh": [ "人类活动与交互", "物体与产品场景", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_134", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV134", "modality": "tv2v", "name": "Video Frame Interpolation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持原场景外观、几何与运动的同时，通过合成中间帧将视频帧率提升为原来的四倍。重点完成新增中间帧、原运动方向及遮挡、四倍时间采样，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“新增中间帧／原运动方向及遮挡”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现新增中间帧；原运动方向及遮挡或四倍时间采样大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "新增中间帧已部分实现，任务意图可辨；但原运动方向及遮挡或四倍时间采样仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "新增中间帧、原运动方向及遮挡、四倍时间采样的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "新增中间帧、原运动方向及遮挡、四倍时间采样完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "3D Shape & Pose", "leaf_id": "G4", "leaf_zh": "三维形状与位姿" }, "core_zh": "把指定室内实例的有向三维包围框按固定颜色投影到视频各帧，并保持相机运动下的空间一致性。", "criteria": [ { "id": "C1", "text_zh": "对Prompt可辨指称的主要室内实例建立有向三维框。" }, { "id": "C2", "text_zh": "框位置、大小、朝向和棱连接符合当前视角，不以统一二维矩形代替。" }, { "id": "C3", "text_zh": "身份色跨帧稳定，明确可对应的Prompt色表应遵循。" }, { "id": "C4", "text_zh": "框随相机变化附着同一物体，不以隐藏UID映射或官方坐标缺失否定整题。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_145", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV145", "modality": "tv2v", "name": "RGB to Event-Camera Visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，把指定室内实例的有向三维包围框按固定颜色投影到视频各帧，并保持相机运动下的空间一致性。重点完成指定室内实例、有向三维框、身份色和透视跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定室内实例／有向三维框”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定室内实例；有向三维框或身份色和透视跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定室内实例已部分实现，任务意图可辨；但有向三维框或身份色和透视跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定室内实例、有向三维框、身份色和透视跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定室内实例、有向三维框、身份色和透视跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "识别视频中的动作时段，并叠加按当前动作激活着色的无文字时间轴。", "criteria": [ { "id": "C1", "text_zh": "保留并能看清输入的主体场景、人物和物体动作，维持完整时长、动作顺序及节奏，仅叠加时间轴而不删改动作内容。" }, { "id": "C2", "text_zh": "在全片持续显示动作时间轴，各区间的位置与跨度对应输入中指定动作的起止，覆盖实际发生片段并区分同一动作的多次发生。" }, { "id": "C3", "text_zh": "每帧仅将当前活动的动作区间整体填为对应活动色；尚未开始、已经结束及其他非活动区间均为中性灰，随动作起止同步切换。" }, { "id": "C4", "text_zh": "活动区间使用该样本Prompt指定的RGB填色，保持动作与颜色准确对应；重复动作沿用同一规定色，不交换类别色或合并相近色。" }, { "id": "C5", "text_zh": "以图形和颜色表示时间轴，不新增动作名称、字幕、文字图例或其他文字注释。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_146", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV146", "modality": "tv2v", "name": "Video Action Boundary Visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中的动作时段，并叠加按当前动作激活着色的无文字时间轴。重点完成动作时间区间、当前活动色、同步无文字时间轴，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“动作时间区间／当前活动色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现动作时间区间；当前活动色或同步无文字时间轴大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "动作时间区间已部分实现，任务意图可辨；但当前活动色或同步无文字时间轴仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "动作时间区间、当前活动色、同步无文字时间轴的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "动作时间区间、当前活动色、同步无文字时间轴完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "去除视频压缩伪影，同时保持原始内容和时间连续性。", "criteria": [ { "id": "C1", "text_zh": "有效减轻可见的压缩块效应、斑驳与纹理涂抹，恢复自然边缘和细节，不以大面积模糊或伪锐化掩盖失真。" }, { "id": "C2", "text_zh": "保留原场景及对象的身份、数量、可见形状和位置关系，维持可辨文字、图案与外观，不增删对象或虚构会改变内容的细节。" }, { "id": "C3", "text_zh": "保持原片的时间顺序、动作进程和镜头运动，修复后的纹理与轮廓随运动保持一致，不新增明显闪烁、重影、纹理跳变或运动断裂。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_162", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV162", "modality": "tv2v", "name": "video_compression_artifact_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除视频压缩伪影，同时保持原始内容和时间连续性。重点完成压缩失真去除、真实纹理、运动连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“压缩失真去除／真实纹理”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现压缩失真去除；真实纹理或运动连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "压缩失真去除已部分实现，任务意图可辨；但真实纹理或运动连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "压缩失真去除、真实纹理、运动连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "压缩失真去除、真实纹理、运动连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "去除视频隔行扫描伪影，在保留原内容与时序的同时恢复干净的逐行画面。", "criteria": [ { "id": "C1", "text_zh": "消除梳齿、交替场错位及其造成的运动边缘锯齿，使逐行画面的轮廓连续，不引入新的重影、交错条纹或边缘闪烁。" }, { "id": "C2", "text_zh": "保留主体、背景、真实纹理、细小结构及原有色彩，不增删、替换或改造场景，不以过度模糊抹除细节来掩盖隔行伪影。" }, { "id": "C3", "text_zh": "保留各时刻的原有取景范围、构图及镜头运动，不裁剪、重构取景或额外防抖。" }, { "id": "C4", "text_zh": "保持原动作和事件的顺序、时点与节奏，帧率及帧数不变；不得用冻结、增删或重排时间帧、变速来规避修复。" } ], "domains_zh": [ "建筑与空间场景", "人类活动与交互", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_196", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV196", "modality": "tv2v", "name": "Video Deinterlacing Artifact Removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除视频隔行扫描伪影，在保留原内容与时序的同时恢复干净的逐行画面。重点完成交错梳齿消除、真实细节、原运动与视野，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“交错梳齿消除／真实细节”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现交错梳齿消除；真实细节或原运动与视野大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "交错梳齿消除已部分实现，任务意图可辨；但真实细节或原运动与视野仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "交错梳齿消除、真实细节、原运动与视野的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "交错梳齿消除、真实细节、原运动与视野完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "为视频中的主要可辨刚体叠加稳定身份、平移与旋转方向及相对快慢信息。", "criteria": [ { "id": "C1", "text_zh": "主要可辨刚体具有独立稳定身份和相应标记。" }, { "id": "C2", "text_zh": "平移箭头、旋转轴或弧表达对应物体的方向和变化。" }, { "id": "C3", "text_zh": "读数及相对快慢与运动趋势一致，各通道和对象不混淆。" }, { "id": "C4", "text_zh": "标注与原片同步，源变体页眉、精确速度小数及官方像素筛选阈值不决定视觉完成度。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_221", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV221", "modality": "tv2v", "name": "rigid_body_3d_velocity_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为视频中的主要可辨刚体叠加稳定身份、平移与旋转方向及相对快慢信息。重点完成刚体身份、平移旋转方向、速度变化与标注同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“刚体身份／平移旋转方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现刚体身份；平移旋转方向或速度变化与标注同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "刚体身份已部分实现，任务意图可辨；但平移旋转方向或速度变化与标注同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "刚体身份、平移旋转方向、速度变化与标注同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "刚体身份、平移旋转方向、速度变化与标注同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将物体接触交互的视觉视频转换为等时长、同步变化的 GelSight 触觉视频。", "criteria": [ { "id": "C1", "text_zh": "以稳定的 GelSight 传感器视角呈现凝胶接触面、标记点阵及形变明暗或色带，而非对原桌面画面重着色。" }, { "id": "C2", "text_zh": "输出总时长与输入一致，覆盖同一交互的起止范围，不遗漏接触阶段或额外插入不相关片段。" }, { "id": "C3", "text_zh": "触觉响应的出现、维持与消退对齐输入可辨认的接触阶段；无接触时接近基线，释放后恢复，变化过程不发生无依据的跳变或时移。" }, { "id": "C4", "text_zh": "接触响应在可见证据支持的尺度上符合对象的局部形状与表面类型，不将边缘、织物或平整表面的交互都生成为同一种无关压痕。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_222", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV222", "modality": "tv2v", "name": "vision_to_tactile_video_prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将物体接触交互的视觉视频转换为等时长、同步变化的 GelSight 触觉视频。重点完成GelSight触觉外观、接触形态、响应时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“GelSight触觉外观／接触形态”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现GelSight触觉外观；接触形态或响应时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "GelSight触觉外观已部分实现，任务意图可辨；但接触形态或响应时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "GelSight触觉外观、接触形态、响应时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "GelSight触觉外观、接触形态、响应时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将室内第一视角漫游因果地累积重建为保持左右手性的俯视平面图视频。", "criteria": [ { "id": "C1", "text_zh": "已观测部分的俯视布局与漫游相符，房间地面轮廓、相对大小、墙体走向及室间连接关系正确，不虚构房间或错连通路。" }, { "id": "C2", "text_zh": "地图随新区域可观测而同步累积扩展，只使用截至当前帧的信息，保留先前已见区域；未见空间保持未知，不提前展示完整布局。" }, { "id": "C3", "text_zh": "全片使用同一稳定俯视坐标框架，保持房间间的相对方位及漫游对应的左右手性，不镜像布局，也不让地图随相机转向。" }, { "id": "C4", "text_zh": "已见门窗的位置和类型正确；地面统一填色并与未知区域区分，墙用细近白线、门窗用蓝/黄粗线稳定编码，不用地面颜色表示房间、语义或观察时间。" }, { "id": "C5", "text_zh": "输出仅为演进的俯视平面图，不混入第一视角画面、标题、图例、文字标签、相机路径或轨迹可视化、深度图及法线图。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_243", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV243", "modality": "tv2v", "name": "walkthrough_to_floorplan_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将室内第一视角漫游因果地累积重建为保持左右手性的俯视平面图视频。重点完成已见房间拓扑、因果地图扩展、固定俯视方向，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“已见房间拓扑／因果地图扩展”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现已见房间拓扑；因果地图扩展或固定俯视方向大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "已见房间拓扑已部分实现，任务意图可辨；但因果地图扩展或固定俯视方向仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "已见房间拓扑、因果地图扩展、固定俯视方向的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "已见房间拓扑、因果地图扩展、固定俯视方向完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "定位并动态高亮视频中的受操纵面部区域，叠加指定方法标签。", "criteria": [ { "id": "C1", "text_zh": "准确定位并覆盖每个受操纵面部区域；若范围分为多个局部，应分别标示，不大面积漏标或误涂未操纵部位及背景。" }, { "id": "C2", "text_zh": "每个标记区域同时具有半透明亮绿色填充和清晰的亮绿色轮廓，填充下仍能辨认原有面部内容。" }, { "id": "C3", "text_zh": "清晰显示Prompt指定的操纵方法名，并在相关片段中保持一致，不错标、混用或中途更换方法名。" }, { "id": "C4", "text_zh": "高亮区域随对应脸部的位置、尺度、姿态和表情变化更新，连续画面中不明显漂移、跳到其他部位或无故消失。" }, { "id": "C5", "text_zh": "除高亮和方法标签的必要叠加外，保留原人物外观与动作、背景、原有图文及画面变化，维持原片段顺序、播放节奏和时长。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_244", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV244", "modality": "tv2v", "name": "face_manipulation_region_localization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，定位并动态高亮视频中的受操纵面部区域，叠加指定方法标签。重点完成操纵面部区域、高亮及方法名、人脸时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“操纵面部区域／高亮及方法名”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现操纵面部区域；高亮及方法名或人脸时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "操纵面部区域已部分实现，任务意图可辨；但高亮及方法名或人脸时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "操纵面部区域、高亮及方法名、人脸时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "操纵面部区域、高亮及方法名、人脸时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Physical Property & Response Inference", "leaf_id": "Q3", "leaf_zh": "隐含物理属性与响应推断" }, "core_zh": "将速度场切片转换为同一时空范围内的涡量旋转模式、幅值与方向可视化。", "criteria": [ { "id": "C1", "text_zh": "将原速度表示转成具有旋转结构的涡量表示，不是改标题或整图换色。" }, { "id": "C2", "text_zh": "主要涡旋区域、相对幅值和投影方向与对应监督及速度线索相容。" }, { "id": "C3", "text_zh": "保持三切片身份、空间方位和原时间顺序。" }, { "id": "C4", "text_zh": "色条与所示量自洽，不要求从渲染图反算精确curl或第99百分位。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_245", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV245", "modality": "tv2v", "name": "fluid_vorticity_field_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将速度场切片转换为同一时空范围内的涡量旋转模式、幅值与方向可视化。重点完成涡量旋转特征、幅值和方向、三切片空间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“涡量旋转特征／幅值和方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现涡量旋转特征；幅值和方向或三切片空间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "涡量旋转特征已部分实现，任务意图可辨；但幅值和方向或三切片空间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "涡量旋转特征、幅值和方向、三切片空间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "涡量旋转特征、幅值和方向、三切片空间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "识别视频中指定表面的材质，并通过渐进高亮和文字标注展示属性。", "criteria": [ { "id": "C1", "text_zh": "高亮遵循 Input 已有轮廓所指的表面区域，随画面变化保持对应，不误选邻近物体或大面积外溢。" }, { "id": "C2", "text_zh": "在目标区域内呈现随时间逐步增强的可见高亮，而不只是保留全程不变的原始轮廓或添加静态文字。" }, { "id": "C3", "text_zh": "显示可读且与高亮区域对应的材质名称和表面对象类别，不混淆材质与承载该材质的对象。" }, { "id": "C4", "text_zh": "显示反射信息的可用状态；有可靠数据时准确列出所提供的金属性、颜色、DOI、对比度等，无数据时明确标为不可用，不把推测冒充实测。" }, { "id": "C5", "text_zh": "以叠层标注而非替换表面或重建场景；除高亮和信息框的遮挡外，保留人物、动物、物体的身份与布局、背景及原有可见时序变化。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_246", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV246", "modality": "tv2v", "name": "surface_material_property_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中指定表面的材质，并通过渐进高亮和文字标注展示属性。重点完成指定材质区域、属性标签、渐进高亮，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定材质区域／属性标签”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定材质区域；属性标签或渐进高亮大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定材质区域已部分实现，任务意图可辨；但属性标签或渐进高亮仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定材质区域、属性标签、渐进高亮的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定材质区域、属性标签、渐进高亮完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Physical Property & Response Inference", "leaf_id": "Q3", "leaf_zh": "隐含物理属性与响应推断" }, "core_zh": "从芯片电流分布预测对应供电网络的压降空间模式，并按原视口同步可视化。", "criteria": [ { "id": "C1", "text_zh": "输出对应电流分布的主要压降高低值区、梯度与空间结构，不简单复制电流图。" }, { "id": "C2", "text_zh": "颜色和图例表达压降且自洽，不能把电流单位当电压。" }, { "id": "C3", "text_zh": "保持原网格、方位和视口扫描对应。" }, { "id": "C4", "text_zh": "未知PDN阻值和边界条件不作为精确数值验证前提。" } ], "domains_zh": [ "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_247", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV247", "modality": "tv2v", "name": "chip_power_map_to_ir_drop_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从芯片电流分布预测对应供电网络的压降空间模式，并按原视口同步可视化。重点完成IR-drop空间分布、压降梯度、原网格扫描，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“IR-drop空间分布／压降梯度”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现IR-drop空间分布；压降梯度或原网格扫描大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "IR-drop空间分布已部分实现，任务意图可辨；但压降梯度或原网格扫描仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "IR-drop空间分布、压降梯度、原网格扫描的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "IR-drop空间分布、压降梯度、原网格扫描完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Future Trajectories & Interaction Anticipation", "leaf_id": "D4", "leaf_zh": "未来轨迹与交互预期" }, "core_zh": "预判第一人称视频中的下一次物体交互，并在原视频末段叠加预测文字和对象框。", "criteria": [ { "id": "C1", "text_zh": "预测由当前动作支持的下一物体和交互动作。" }, { "id": "C2", "text_zh": "给出与预计事件大致相符的接触时间，物体、动作和时间互相一致。" }, { "id": "C3", "text_zh": "末段横幅清楚可读，末帧框定位正确对象。" }, { "id": "C4", "text_zh": "保留原片，不要求唯一接触定义下的小数秒真值。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_249", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV249", "modality": "tv2v", "name": "next_active_object_anticipation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，预判第一人称视频中的下一次物体交互，并在原视频末段叠加预测文字和对象框。重点完成下一交互物及动作、大致接触时间、末段横幅与定位框，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“下一交互物及动作／大致接触时间”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现下一交互物及动作；大致接触时间或末段横幅与定位框大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "下一交互物及动作已部分实现，任务意图可辨；但大致接触时间或末段横幅与定位框仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "下一交互物及动作、大致接触时间、末段横幅与定位框的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "下一交互物及动作、大致接触时间、末段横幅与定位框完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将固定外部机位拍摄的机器人装配视频转换为同一时段同步的手部相机视角。", "criteria": [ { "id": "C1", "text_zh": "输出采用机器人手部／末端相机面向作业区的视角，呈现夹爪与工件的合理空间关系，而非沿用外部机位、简单裁切放大或任意固定俯视。" }, { "id": "C2", "text_zh": "重建同一作业区域，保持输入可辨识的装配板、工装、零件和夹爪的身份、主要结构及布局关系；投影、尺度和遮挡变化应符合新的观察位置。" }, { "id": "C3", "text_zh": "保持输入所示时间区间和动作时间进程，末端移动、夹爪开合及抓持状态在新视角中同步对应，不错序、漏段、重复或新增操作。" }, { "id": "C4", "text_zh": "相机相对末端的安装关系在时间上保持稳定，背景运动可由末端运动解释；抓持阶段物件随夹爪共同运动，不发生改变物体身份或操作状态的无因跳变。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_250", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV250", "modality": "tv2v", "name": "REASSEMBLE Cross-View Translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将固定外部机位拍摄的机器人装配视频转换为同一时段同步的手部相机视角。重点完成手部相机视角、原装配场景、同步操作，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“手部相机视角／原装配场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现手部相机视角；原装配场景或同步操作大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "手部相机视角已部分实现，任务意图可辨；但原装配场景或同步操作仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "手部相机视角、原装配场景、同步操作的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "手部相机视角、原装配场景、同步操作完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "按动作指令续写机器人同步三视图视频，保持运动衔接和固定分屏。", "criteria": [ { "id": "C1", "text_zh": "从源视频末态连续接续，保持机器人、场景、物件身份及未被指令改变的持物关系；不能重置动作、瞬移或以循环源片段代替后续行动。" }, { "id": "C2", "text_zh": "保留源视频前、左、右三路视图的分屏位置、顺序和相对大小，不交换、合并、删去视图，也不以同一视图重复填充。" }, { "id": "C3", "text_zh": "三路视图同步呈现对应的动作阶段与物体状态，抓取、释放、抬升或导航变化在可见视角之间相互一致。" }, { "id": "C4", "text_zh": "扫码分支中，机器人使用扫描器对准纸箱二维码，呈现可辨认的扫描动作，不能仅拿起工具或扫向无关物体。" }, { "id": "C5", "text_zh": "装盘分支中，将两只叠放的盘子从持握状态送入箱内并释放，使盘子留在箱内而非仍由夹爪悬持。" }, { "id": "C6", "text_zh": "拾取分支中，抓住输入台面上的两块积木或两件弧形管件，抬离支撑面并保持抓持，不能只接近物体或漏拿其中一件。" }, { "id": "C7", "text_zh": "导航分支中，机器人依次右转、向前移动、左转，最后在箱前停止；不能跳过或颠倒步骤，也不能仅用画面切换呈现终点。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_279", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV279", "modality": "tv2v", "name": "multiview_state_conditioned_robot_operation_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按动作指令续写机器人同步三视图视频，保持运动衔接和固定分屏。重点完成指定操作分支、三视角状态一致、续写与目标完成，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定操作分支／三视角状态一致”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定操作分支；三视角状态一致或续写与目标完成大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定操作分支已部分实现，任务意图可辨；但三视角状态一致或续写与目标完成仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定操作分支、三视角状态一致、续写与目标完成的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定操作分支、三视角状态一致、续写与目标完成完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "将源图表转为保真、易读且展示取数依据与差值计算的可视化视频。", "criteria": [ { "id": "C1", "text_zh": "以无推理叠加的增强图表开场，放大标题、轴标题、刻度、图例文字和已有数字，使源图文字清楚可读。" }, { "id": "C2", "text_zh": "保留全部原始数据标记、数值关系、坐标尺度含义、图题含义及类别与图例对应，不因重绘或叠加而增删、更换数据。" }, { "id": "C3", "text_zh": "正确选中问题指定的两项数据；每条证据路径从相应图例色块开始，再突出对应轴标签及准确的散点或条形，国家、地区、年份或商品类别均不得错配。" }, { "id": "C4", "text_zh": "用克制的辅助线和可读数值标注展示两项取值，标注不互遮或串项；数值及其精度须由输入图表支持，辅助线不得误示定量位置。" }, { "id": "C5", "text_zh": "末尾按问句先后顺序显示一条减法表达式及带符号答案，结果与两项取值、单位含义和所标精度自洽。" }, { "id": "C6", "text_zh": "说明限于源图证据、必要指示标注和简式计算，不新增图外事实，也不展示自由展开的文字思维链。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_240", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV240", "modality": "tv2v", "name": "scientific_plot_reasoning_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将源图表转为保真、易读且展示取数依据与差值计算的可视化视频。重点完成正确图表取数、证据路径、有符号差值计算，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“正确图表取数／证据路径”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现正确图表取数；证据路径或有符号差值计算大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "正确图表取数已部分实现，任务意图可辨；但证据路径或有符号差值计算仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "正确图表取数、证据路径、有符号差值计算的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "正确图表取数、证据路径、有符号差值计算完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Correctness & Quality Assessment", "leaf_id": "Q4", "leaf_zh": "正确性与质量评估" }, "core_zh": "结合前序上下文识别装配动作并判定正误，以同步更新的状态栏标注原视频。", "criteria": [ { "id": "C1", "text_zh": "为每段可见操作显示匹配的动作和对象名称，区分安装、取放、检查、旋转及拧紧或拧松等语义，并依据可见信息区分尝试与完成、半成品与成品。" }, { "id": "C2", "text_zh": "根据片段中的前序操作及当前装配状态判断正误：正确动作以绿色状态标示 OK；发生错误时，以红色状态标示 MISTAKE，并注明有依据的错误类型。" }, { "id": "C3", "text_zh": "动作、正误或空闲状态变化时同步更新状态栏；无动作时显示短横线，持续动作期间保持对应标签与状态，不遗留上一动作或无故闪变。" }, { "id": "C4", "text_zh": "状态栏紧凑、清晰地位于画面顶部，动作名与判定信息易于辨识，并避开手部、工具、零件所在的装配工作区。" }, { "id": "C5", "text_zh": "除顶部状态栏覆盖区外，保留输入的人物、零件、工具、背景、拍摄视角和原有动作时序，不改写、删减或替换装配过程。" } ], "domains_zh": [ "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_289", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV289", "modality": "tv2v", "name": "assembly_mistake_detection_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，结合前序上下文识别装配动作并判定正误，以同步更新的状态栏标注原视频。重点完成装配动作及对象、上下文正误、状态栏同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“装配动作及对象／上下文正误”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现装配动作及对象；上下文正误或状态栏同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "装配动作及对象已部分实现，任务意图可辨；但上下文正误或状态栏同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "装配动作及对象、上下文正误、状态栏同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "装配动作及对象、上下文正误、状态栏同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "依据历史三视角视频与计划动作，预测机器人洗衣操作的紧接未来片段。", "criteria": [ { "id": "C1", "text_zh": "从输入末态接续约6秒的后续动作，保持操作进程与节奏，不重播或重置。" }, { "id": "C2", "text_zh": "按本例提示推进指定操作：右臂按开关、双臂配合开门、右臂放入原先所持短裤，或左臂关门；不更换操作对象、用臂分工或动作方向。" }, { "id": "C3", "text_zh": "机械臂的接近、抓持或按压与物体响应因果一致，门沿原铰链开合、衣物经门口进入滚筒；不得用穿透、瞬移或物体凭空消失来代替交互。" }, { "id": "C4", "text_zh": "保留本例机器人、洗衣机、衣物和周边布置的身份、可见结构与空间关系，仅随交互及相机运动产生合理变化，不换场景或增删关键对象。" }, { "id": "C5", "text_zh": "保持从左到右头部｜左腕｜右腕的三视图排列与取景对应，三路同步表现同一物理状态；腕部视角随对应机械臂运动，不互换或添加新视角。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_293", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV293", "modality": "tv2v", "name": "action_conditioned_multiview_robot_world_rollout", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据历史三视角视频与计划动作，预测机器人洗衣操作的紧接未来片段。重点完成指定洗衣操作、三视角一致、手物因果与续接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定洗衣操作／三视角一致”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定洗衣操作；三视角一致或手物因果与续接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定洗衣操作已部分实现，任务意图可辨；但三视角一致或手物因果与续接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定洗衣操作、三视角一致、手物因果与续接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定洗衣操作、三视角一致、手物因果与续接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "从视频推断相机自运动，并以同步累积的俯视小地图展示轨迹、位置和朝向。", "criteria": [ { "id": "C1", "text_zh": "在主视频有效画面右下角叠加俯视小地图，面板位置与尺寸保持固定。" }, { "id": "C2", "text_zh": "以连续实线表达相机自身已行轨迹的俯视投影，路径形状及转弯、回返关系应对应可辨的相机相对位移，不能用物体的画面轨迹或任意曲线替代。" }, { "id": "C3", "text_zh": "用可辨识的圆点标记当前相机位置、箭头标记当前水平朝向；路径的最新位置与圆点一致，箭头与路径共用同一地图坐标系。" }, { "id": "C4", "text_zh": "小地图随视频逐帧更新，只呈现截至当前时刻的已行路径并保留历史；新增线段、位置及朝向变化与对应画面同步，不提前显示未来路线或无故重置。" }, { "id": "C5", "text_zh": "除新增小地图覆盖的局部外，主视频原有场景、构图、镜头运动和播放时序保持不变。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_305", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV305", "modality": "tv2v", "name": "camera_egomotion_trajectory_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从视频推断相机自运动，并以同步累积的俯视小地图展示轨迹、位置和朝向。重点完成相机轨迹、当前朝向位置、地图历史同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“相机轨迹／当前朝向位置”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现相机轨迹；当前朝向位置或地图历史同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "相机轨迹已部分实现，任务意图可辨；但当前朝向位置或地图历史同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "相机轨迹、当前朝向位置、地图历史同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "相机轨迹、当前朝向位置、地图历史同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Contact & Interaction States", "leaf_id": "M3", "leaf_zh": "接触与交互状态" }, "core_zh": "将机器人操纵视频转成逐帧对齐、区分瞬时接触与持久阶段的接触拓扑可视化。", "criteria": [ { "id": "C1", "text_zh": "为夹爪、工具和被操纵对象建立稳定且可区分的可见区域标注。" }, { "id": "C2", "text_zh": "接触点及关系轮廓反映当前可见接触，区分邻近与实际作用。" }, { "id": "C3", "text_zh": "阶段栏按接近、抓持、操纵和完成推进，不把短暂离开接触误作任务倒退。" }, { "id": "C4", "text_zh": "完成状态须有本子任务的结果支持，原视频和时序保持，不要求毫米距离或姿态误差阈值。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_313", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV313", "modality": "tv2v", "name": "tool_mediated_contact_topology_state_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将机器人操纵视频转成逐帧对齐、区分瞬时接触与持久阶段的接触拓扑可视化。重点完成工具和对象角色、瞬时接触、持久阶段及完成状态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“工具和对象角色／瞬时接触”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现工具和对象角色；瞬时接触或持久阶段及完成状态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "工具和对象角色已部分实现，任务意图可辨；但瞬时接触或持久阶段及完成状态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "工具和对象角色、瞬时接触、持久阶段及完成状态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "工具和对象角色、瞬时接触、持久阶段及完成状态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Physical Property & Response Inference", "leaf_id": "Q3", "leaf_zh": "隐含物理属性与响应推断" }, "core_zh": "保留原视频场景与运动时序，叠加速度、加速度和摩擦等级的可视化标注。", "criteria": [ { "id": "C1", "text_zh": "速度和加速度箭头反映原物体的方向、相对大小及变化。" }, { "id": "C2", "text_zh": "各数值、单位和视觉箭头自洽，估计量不冒充精确实测。" }, { "id": "C3", "text_zh": "摩擦等级与明显减速或滑动趋势相容，未知系数不要求精确反演。" }, { "id": "C4", "text_zh": "保留原运动进程，不以固定采样帧数或精确零阈值决定任务成败。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_329", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV329", "modality": "tv2v", "name": "sliding_friction_coefficient_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，保留原视频场景与运动时序，叠加速度、加速度和摩擦等级的可视化标注。重点完成速度与加速度趋势、方向箭头、摩擦相对等级，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“速度与加速度趋势／方向箭头”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现速度与加速度趋势；方向箭头或摩擦相对等级大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "速度与加速度趋势已部分实现，任务意图可辨；但方向箭头或摩擦相对等级仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "速度与加速度趋势、方向箭头、摩擦相对等级的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "速度与加速度趋势、方向箭头、摩擦相对等级完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "依据整段视频的外观与运动区分工业烟雾和非烟现象，并叠加恒定状态面板。", "criteria": [ { "id": "C1", "text_zh": "依据工业来源、羽流外观及漂移消散过程正确判定全片：任一时刻出现工业烟雾（含烟汽混合）即有烟；全片无工业烟雾即无烟，纯蒸汽及天气现象不计入。" }, { "id": "C2", "text_zh": "有烟时使用红色面板并显示“SMOKE EMISSION”；无烟时使用绿色面板并显示“NO SMOKE”，文字完整可读且与颜色对应。" }, { "id": "C3", "text_zh": "面板固定在画面左上状态区，从首帧到末帧持续显示同一整片结论，不因烟羽出现或暂时消失而切换状态或中断显示。" }, { "id": "C4", "text_zh": "仅在左上状态面板覆盖区改动画面，面板外的设施、羽流、背景及运动保持原样；保留全部源帧、原始视角、帧序与时间节奏，不裁切、增删帧、冻结或变速。" } ], "domains_zh": [ "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_338", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV338", "modality": "tv2v", "name": "industrial_smoke_emission_status_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据整段视频的外观与运动区分工业烟雾和非烟现象，并叠加恒定状态面板。重点完成工业烟雾判断、恒定红绿结论、原工业场景，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“工业烟雾判断／恒定红绿结论”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现工业烟雾判断；恒定红绿结论或原工业场景大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "工业烟雾判断已部分实现，任务意图可辨；但恒定红绿结论或原工业场景仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "工业烟雾判断、恒定红绿结论、原工业场景的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "工业烟雾判断、恒定红绿结论、原工业场景完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "持续检测追踪行车视频中的行人，并将其行为和运动转成黑底三维框投影与短轨迹标注。", "criteria": [ { "id": "C1", "text_zh": "为可见主要行人生成黑底三维框投影，不把车辆等非行人混入。" }, { "id": "C2", "text_zh": "走、站、坐、卧按指定语义色编码，依据可见行为。" }, { "id": "C3", "text_zh": "身份与近期轨迹对应，朝向和空间位置合理。" }, { "id": "C4", "text_zh": "跟随原片时序，不要求发布方行为码或精确尾迹窗口边界。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_348", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV348", "modality": "tv2v", "name": "driving_actor_motion_state_trajectory_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，持续检测追踪行车视频中的行人，并将其行为和运动转成黑底三维框投影与短轨迹标注。重点完成行人三维框、行为配色、身份与短轨迹，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“行人三维框／行为配色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现行人三维框；行为配色或身份与短轨迹大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "行人三维框已部分实现，任务意图可辨；但行为配色或身份与短轨迹仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "行人三维框、行为配色、身份与短轨迹的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "行人三维框、行为配色、身份与短轨迹完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文字指令执行视频中的主体替换、对象消除或视觉风格转换。", "criteria": [ { "id": "C1", "text_zh": "替换分支正确替换指定主体，实现当前Prompt规定的类别和主要外观，原主体不明显残留。" }, { "id": "C2", "text_zh": "风格转换分支形成当前指令指定的二维或三维视觉风格，保留主体身份和场景关系。" }, { "id": "C3", "text_zh": "移除分支消除指定主体及附属物，并自然补全被遮挡区域，不留下可辨认残片。" }, { "id": "C4", "text_zh": "保留未指定改变的主体、关键道具和背景关系，维持原片的主要布局、镜头变化及适用的动作进程，使输出仍可辨为同一场景与事件。" }, { "id": "C5", "text_zh": "编辑在相关对象可见的各时段持续成立：替换主体及指定属性稳定，移除对象不重现，目标风格不回跳；运动、接触和前后遮挡关系保持连贯。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "物体与产品场景", "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_349", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV349", "modality": "tv2v", "name": "instruction_guided_region_preserving_video_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指令执行视频中的主体替换、对象消除或视觉风格转换。重点完成指令编辑分支、目标属性、原场景与连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指令编辑分支／目标属性”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指令编辑分支；目标属性或原场景与连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指令编辑分支已部分实现，任务意图可辨；但目标属性或原场景与连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指令编辑分支、目标属性、原场景与连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指令编辑分支、目标属性、原场景与连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Segmentation & Foreground Extraction", "leaf_id": "P1", "leaf_zh": "语义分割与前景提取" }, "core_zh": "对视频中的指定交通设施逐帧添加按类别配色的半透明蒙版与可读类名。", "criteria": [ { "id": "C1", "text_zh": "识别并标注画面中所有可辨认的指定五类设施；普通永久标志、车辆、行人、建筑等其他对象不得高亮。" }, { "id": "C2", "text_zh": "固定类别配色为：Pylons 黄色、Road Barriers 红色、Cones 粉色、Construction Signs 青色、Temporary Construction Barriers 紫色。" }, { "id": "C3", "text_zh": "每个目标的可见区域均有贴合其位置与轮廓的半透明蒙版，能透出原设施内容；不能仅加边框、引线或文字，也不能把遮挡目标的人车涂入蒙版。" }, { "id": "C4", "text_zh": "每个高亮设施的蒙版旁均有可读且正确的类别名，文字与该实例归属明确，不能以错名、乱码或孤立的总图例替代。" }, { "id": "C5", "text_zh": "在每一帧同步更新蒙版和类名，使其跟随设施的位置、尺度、可见形状及出入画变化；类别稳定，无明显漂移、无因断续或离画残留。" }, { "id": "C6", "text_zh": "除指定标注叠加外，保留原场景内容、物体几何与动作、视频时长和播放节奏及镜头运动，不增删、替换或重排原场景元素。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_350", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV350", "modality": "tv2v", "name": "road_traffic_control_facility_mask_and_label_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对视频中的指定交通设施逐帧添加按类别配色的半透明蒙版与可读类名。重点完成指定设施类别、半透明掩膜及名称、跟随与配色，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定设施类别／半透明掩膜及名称”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定设施类别；半透明掩膜及名称或跟随与配色大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定设施类别已部分实现，任务意图可辨；但半透明掩膜及名称或跟随与配色仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定设施类别、半透明掩膜及名称、跟随与配色的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定设施类别、半透明掩膜及名称、跟随与配色完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "在视频上动态标示物体B相对物体A的当前运动方向和速率。", "criteria": [ { "id": "C1", "text_zh": "保留原视频的场景、物体运动和镜头变化，并保持洋红A、青色B轮廓与标签的身份对应关系。" }, { "id": "C2", "text_zh": "可辨非零相对运动时，方向指示应表示B相对A的当前速度方向（共同参照下的v_B−v_A），不能反成A相对B、两者连线或镜头造成的共同画面移动。" }, { "id": "C3", "text_zh": "提供明确归属于“B相对A”的非负速率读数及单位，其零/非零、可辨快慢和变化趋势应符合该物体对的相对运动，不能只给方向而遗漏速度大小。" }, { "id": "C4", "text_zh": "相对静止或近零速率时，呈现零/近零读数及无方向状态，不用明显的非零运动箭头误报移动。" }, { "id": "C5", "text_zh": "标注明确关联所选A/B物体对并与当前画面时刻同步；相对运动变化时，相应更新方向、速率及运动/静止状态，不跟随无关物体。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_351", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV351", "modality": "tv2v", "name": "physion_object_relative_velocity_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在视频上动态标示物体B相对物体A的当前运动方向和速率。重点完成B相对A运动、方向及快慢、同步对象归属，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“B相对A运动／方向及快慢”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现B相对A运动；方向及快慢或同步对象归属大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "B相对A运动已部分实现，任务意图可辨；但方向及快慢或同步对象归属仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "B相对A运动、方向及快慢、同步对象归属的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "B相对A运动、方向及快慢、同步对象归属完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文字指令选择性编辑视频中的服饰、人物或背景，同时保持非目标内容与时序关系。", "criteria": [ { "id": "C1", "text_zh": "换装分支实现指定服装的主要颜色、材质与标志特征，服装贴合人物姿态。" }, { "id": "C2", "text_zh": "移除分支消除指定人物及可辨残留，合理补全被遮挡区域，而非用遮挡块隐藏人物。" }, { "id": "C3", "text_zh": "换背景分支生成指令规定的场景、布局和主要环境特征。" }, { "id": "C4", "text_zh": "保留当前编辑范围外的主体身份、服饰、身体结构、随身物体和场景内容，不误改无关区域。" }, { "id": "C5", "text_zh": "保留输入的镜头运动和未要求改变的动作进程；编辑持续跟随对应区域，不出现脱离、重现或回退。" } ], "domains_zh": [ "人类活动与交互", "建筑与空间场景", "交通与出行", "体育与运动训练", "艺术与动画内容", "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_359", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV359", "modality": "tv2v", "name": "joint_audio_visual_video_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指令选择性编辑视频中的服饰、人物或背景，同时保持非目标内容与时序关系。重点完成指定服饰人物背景编辑、保留内容、空间与动态融合，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定服饰人物背景编辑／保留内容”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定服饰人物背景编辑；保留内容或空间与动态融合大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定服饰人物背景编辑已部分实现，任务意图可辨；但保留内容或空间与动态融合仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定服饰人物背景编辑、保留内容、空间与动态融合的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定服饰人物背景编辑、保留内容、空间与动态融合完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "跨月识别并跟踪建筑新建与拆除，以红绿足迹轮廓标注生命周期变化。", "criteria": [ { "id": "C1", "text_zh": "跨月关联同一建筑，以有效观测确认新建或拆除；首帧既有建筑不自动算新建，全程未变化的建筑及仅有季节、明暗变化的地物不标。" }, { "id": "C2", "text_zh": "对每栋确认新建的建筑，从首次出现月份起，在其后有效且仍存续的帧持续用绿色勾画足迹，不能只标首现一帧或无故提前、滞后。" }, { "id": "C3", "text_zh": "对已确认拆除的建筑，在消失后的有效帧用红色勾画其最后已知足迹；若该建筑此前标绿，拆除后应转为红色。" }, { "id": "C4", "text_zh": "轮廓沿单栋建筑足迹绘制，位置、形状和尺度与当帧影像对应，跨月不漂移到邻近建筑，也不以整片地块的外框替代单体足迹。" }, { "id": "C5", "text_zh": "建筑足迹或拆除后的原址区域被遮挡、观测无效时，该帧不画对应红绿轮廓；这些观测按未知处理，不能作为消失或再次新建的依据。" }, { "id": "C6", "text_zh": "除生命周期轮廓外保留输入各月影像内容及先后顺序，不生成、删除或替换建筑、道路、农田等地物，也不把不同月份统一成静态背景。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_360", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV360", "modality": "tv2v", "name": "satellite_building_lifecycle_tracking", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，跨月识别并跟踪建筑新建与拆除，以红绿足迹轮廓标注生命周期变化。重点完成建筑生命周期、新建拆除红绿足迹、跨月身份与未知观测，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“建筑生命周期／新建拆除红绿足迹”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现建筑生命周期；新建拆除红绿足迹或跨月身份与未知观测大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "建筑生命周期已部分实现，任务意图可辨；但新建拆除红绿足迹或跨月身份与未知观测仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "建筑生命周期、新建拆除红绿足迹、跨月身份与未知观测的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "建筑生命周期、新建拆除红绿足迹、跨月身份与未知观测完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "在原视频上逐人保持跟踪身份，并叠加人物边界框和近期运动轨迹。", "criteria": [ { "id": "C1", "text_zh": "覆盖主要可辨人物并用各自边界框定位。" }, { "id": "C2", "text_zh": "同一人跨交叉及可关联遮挡保持身份，不同人不合并。" }, { "id": "C3", "text_zh": "近期轨迹反映对应人物实际移动。" }, { "id": "C4", "text_zh": "保留原片与动态，不要求隐藏官方人物子集及ID完全重现。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_367", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV367", "modality": "tv2v", "name": "multi_person_identity_and_trajectory_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上逐人保持跟踪身份，并叠加人物边界框和近期运动轨迹。重点完成逐人位置、身份稳定、近期轨迹，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“逐人位置／身份稳定”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现逐人位置；身份稳定或近期轨迹大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "逐人位置已部分实现，任务意图可辨；但身份稳定或近期轨迹仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "逐人位置、身份稳定、近期轨迹的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "逐人位置、身份稳定、近期轨迹完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将同步四视角RGB视频转换为逐帧对齐的全周LiDAR距离栅格视频。", "criteria": [ { "id": "C1", "text_zh": "输出全周距离栅格，前后左右方位与多视角场景相容。" }, { "id": "C2", "text_zh": "主要结构的相对远近、轮廓和遮挡合理，颜色尺度稳定。" }, { "id": "C3", "text_zh": "随输入运动同步更新，不以RGB换色或随机扫描纹理代替。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_396", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV396", "modality": "tv2v", "name": "multiview_rgb_to_lidar_range_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将同步四视角RGB视频转换为逐帧对齐的全周LiDAR距离栅格视频。重点完成全周距离栅格、主要结构方位与远近、同步扫描，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“全周距离栅格／主要结构方位与远近”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现全周距离栅格；主要结构方位与远近或同步扫描大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "全周距离栅格已部分实现，任务意图可辨；但主要结构方位与远近或同步扫描仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "全周距离栅格、主要结构方位与远近、同步扫描的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "全周距离栅格、主要结构方位与远近、同步扫描完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "为人脸视频的底部面板补入与片段对应的PPG样式波形，并同步显示播放进度。", "criteria": [ { "id": "C1", "text_zh": "在原底栏生成PPG样式且与该片段监督的大致峰谷、节律和相对幅度相符的波形。" }, { "id": "C2", "text_zh": "不能仅画与片段无关的固定通用正弦波充数。" }, { "id": "C3", "text_zh": "低亮度全程波形、已播高亮、当前游标和交点同步。" }, { "id": "C4", "text_zh": "保留人脸原片，不把视觉波形预测称为指端实测恢复或临床有效测量。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_397", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV397", "modality": "tv2v", "name": "Video-to-Synchronized PPG Visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为人脸视频的底部面板补入与片段对应的PPG样式波形，并同步显示播放进度。重点完成PPG样式波形、片段相关峰谷节律、同步游标和累积高亮，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“PPG样式波形／片段相关峰谷节律”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现PPG样式波形；片段相关峰谷节律或同步游标和累积高亮大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "PPG样式波形已部分实现，任务意图可辨；但片段相关峰谷节律或同步游标和累积高亮仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "PPG样式波形、片段相关峰谷节律、同步游标和累积高亮的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "PPG样式波形、片段相关峰谷节律、同步游标和累积高亮完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Correctness & Quality Assessment", "leaf_id": "Q4", "leaf_zh": "正确性与质量评估" }, "core_zh": "评估视频整体感知画质，并在原片左上角叠加0–100分与匹配质量计。", "criteria": [ { "id": "C1", "text_zh": "给出与整片明显画质状况相容的0–100估计，避免清晰与严重退化等级颠倒。" }, { "id": "C2", "text_zh": "分数、量程和质量计比例自洽，全片结论稳定可读。" }, { "id": "C3", "text_zh": "保留原视频内容和时序，不要求精确匹配发布方主观均值。" }, { "id": "C4", "text_zh": "本题评的是质量判断与面板完成度，不是把生成视频美观程度加入所有任务评分。" } ], "domains_zh": [ "艺术与动画内容", "人类活动与交互", "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_398", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV398", "modality": "tv2v", "name": "perceptual_video_quality_score_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，评估视频整体感知画质，并在原片左上角叠加0–100分与匹配质量计。重点完成整片画质等级、一致的0–100读数、质量计与原片，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“整片画质等级／一致的0–100读数”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现整片画质等级；一致的0–100读数或质量计与原片大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "整片画质等级已部分实现，任务意图可辨；但一致的0–100读数或质量计与原片仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "整片画质等级、一致的0–100读数、质量计与原片的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "整片画质等级、一致的0–100读数、质量计与原片完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "识别视频中的全部镜头转场，并叠加逐帧同步的可读时序标注。", "criteria": [ { "id": "C1", "text_zh": "按顺序识别实际转场的类型和方向，不能把主体运动误当转场。" }, { "id": "C2", "text_zh": "起止区间、持续时间和活动状态与转场大致相符，显示数字内部自洽。" }, { "id": "C3", "text_zh": "时间线、当前游标和事件边框同步且类别色正确。" }, { "id": "C4", "text_zh": "保留原片，少量边界帧偏差不等于转场识别失败。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_399", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV399", "modality": "tv2v", "name": "shot_transition_boundary_annotation_video_generation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中的全部镜头转场，并叠加逐帧同步的可读时序标注。重点完成转场类型顺序、大致起止区间、时间线和当前状态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“转场类型顺序／大致起止区间”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现转场类型顺序；大致起止区间或时间线和当前状态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "转场类型顺序已部分实现，任务意图可辨；但大致起止区间或时间线和当前状态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "转场类型顺序、大致起止区间、时间线和当前状态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "转场类型顺序、大致起止区间、时间线和当前状态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将相机视频转换为场景对齐、固定色标下远近层次稳定的深度视频。", "criteria": [ { "id": "C1", "text_zh": "表达原场景的主要远近、表面起伏和遮挡深度边界。" }, { "id": "C2", "text_zh": "保持相机视点、物体布局和时间对应。" }, { "id": "C3", "text_zh": "使用稳定深度色标方向和相对层次，不要求唯一物理距离标定。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_403", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV403", "modality": "tv2v", "name": "dynamic_camera_intrinsics_depth_video_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将相机视频转换为场景对齐、固定色标下远近层次稳定的深度视频。重点完成场景深度结构、固定色标、相机与动态对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“场景深度结构／固定色标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现场景深度结构；固定色标或相机与动态对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "场景深度结构已部分实现，任务意图可辨；但固定色标或相机与动态对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "场景深度结构、固定色标、相机与动态对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "场景深度结构、固定色标、相机与动态对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "在源视频下方追加同步的夹爪开合幅度数值和进度条。", "criteria": [ { "id": "C1", "text_zh": "在源视频下方显示夹爪幅度数值和进度条，主画面保持。" }, { "id": "C2", "text_zh": "幅度的增减、张合及相对大小随可见夹爪变化。" }, { "id": "C3", "text_zh": "读数和填充比例彼此一致、时间同步。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_417", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV417", "modality": "tv2v", "name": "visible_wrist_gripper_opening_state_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在源视频下方追加同步的夹爪开合幅度数值和进度条。重点完成夹爪开合幅度、数值和进度条、下方HUD同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“夹爪开合幅度／数值和进度条”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现夹爪开合幅度；数值和进度条或下方HUD同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "夹爪开合幅度已部分实现，任务意图可辨；但数值和进度条或下方HUD同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "夹爪开合幅度、数值和进度条、下方HUD同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "夹爪开合幅度、数值和进度条、下方HUD同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将足球转播中的人物位置与运动转换为按阵营着色、与原片同步的固定俯视圆点动画。", "criteria": [ { "id": "C1", "text_zh": "输出为横向足球场的固定俯视图：蓝方球门端在左、红方在右，摄像机侧边线在下；场地视图不随转播镜头平移、缩放或旋转。" }, { "id": "C2", "text_zh": "可见球员、守门员、裁判等场地人物均以简单圆点逐人表示，不遗漏、重复或凭空增加人物。" }, { "id": "C3", "text_zh": "圆点位于对应人物的球场平面位置，保留相对中线、边线及其他人物的空间关系，不能直接照搬转播画面的像素位置。" }, { "id": "C4", "text_zh": "两队按各样本Prompt分别映射为蓝、红圆点；指定守门员可见时随所属队着色，裁判及无球队归属者使用灰色。" }, { "id": "C5", "text_zh": "保持输入的时间进程与节奏，圆点的位移、停顿和可见性变化与对应人物同步，不无故跳点、串换身份或因运镜产生整体漂移。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_433", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV433", "modality": "tv2v", "name": "identity_aware_soccer_game_state_minimap_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将足球转播中的人物位置与运动转换为按阵营着色、与原片同步的固定俯视圆点动画。重点完成人员队别、球场平面站位、同步圆点移动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“人员队别／球场平面站位”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现人员队别；球场平面站位或同步圆点移动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "人员队别已部分实现，任务意图可辨；但球场平面站位或同步圆点移动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "人员队别、球场平面站位、同步圆点移动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "人员队别、球场平面站位、同步圆点移动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将双通道红外卫星序列转换为同区域、同源帧索引的NEXRAD垂直积分液态水（VIL）估计序列。", "criteria": [ { "id": "C1", "text_zh": "输出为与双通道卫星输入相对应的单幅VIL雷达场序列，而非保留双面板云图、仅给云纹着色或生成降雨率图。" }, { "id": "C2", "text_zh": "保持输入区域的覆盖范围与图像方位，正确估计配对VIL场的主要回波有无、位置、形状、覆盖范围及分离或连通结构，不发生整体错位、翻转或误裁。" }, { "id": "C3", "text_zh": "正确估计主要区域和回波核心的VIL强弱档位，并按提示给定的0–255编码十档固定RGB色表呈现，不用任意雷达配色或云图亮度直接替代VIL分级。" }, { "id": "C4", "text_zh": "同原观测阶段和顺序呈现回波出现、移动及增强减弱，不变为未来预测、倒序或静帧替代。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_434", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV434", "modality": "tv2v", "name": "dual_ir_satellite_to_radar_video_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将双通道红外卫星序列转换为同区域、同源帧索引的NEXRAD垂直积分液态水（VIL）估计序列。重点完成同区域VIL回波、强弱和结构、卫星时序对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同区域VIL回波／强弱和结构”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同区域VIL回波；强弱和结构或卫星时序对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同区域VIL回波已部分实现，任务意图可辨；但强弱和结构或卫星时序对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同区域VIL回波、强弱和结构、卫星时序对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同区域VIL回波、强弱和结构、卫星时序对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "利用三路同步环视视频重建指定缺失方向的相机视频。", "criteria": [ { "id": "C1", "text_zh": "按固定布局识别Prompt指定的缺失方向并输出独立相机视频，不以四宫格、占位图或不对应方位的已有画面代替。" }, { "id": "C2", "text_zh": "可对应的地标身份、相对布局及有辨识作用的外观与输入一致，并形成指定朝向下合理的透视和遮挡，不能仅生成题材相近的新场景。" }, { "id": "C3", "text_zh": "输出覆盖输入的同一时间窗，保持与三路视角一致的运动阶段、转向及可对应事件时刻，不人为移时、倒放、跳过片段或改变节奏。" }, { "id": "C4", "text_zh": "跨帧维持地标身份与场景结构，显露、遮挡和进出画面随镜头或场景运动连贯，不出现无因变形、跳位、换景，或用静帧、循环掩盖应有变化。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_435", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV435", "modality": "tv2v", "name": "partial_multiview_to_hidden_camera_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，利用三路同步环视视频重建指定缺失方向的相机视频。重点完成缺失相机方向、同一地标场景、同步跨视角重建，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“缺失相机方向／同一地标场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现缺失相机方向；同一地标场景或同步跨视角重建大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "缺失相机方向已部分实现，任务意图可辨；但同一地标场景或同步跨视角重建仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "缺失相机方向、同一地标场景、同步跨视角重建的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "缺失相机方向、同一地标场景、同步跨视角重建完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Future Trajectories & Interaction Anticipation", "leaf_id": "D4", "leaf_zh": "未来轨迹与交互预期" }, "core_zh": "在前视行车视频上估计车辆与行人的碰撞风险，并叠加与场景同步的三维风险标注。", "criteria": [ { "id": "C1", "text_zh": "在原驾驶视角中表示前向碰撞走廊，透视与行驶方向合理。" }, { "id": "C2", "text_zh": "主要车辆行人的三维框、路径和身份正确对应。" }, { "id": "C3", "text_zh": "TTC及风险等级反映明显的接近和避让关系，显示值与分级颜色自洽。" }, { "id": "C4", "text_zh": "标注随画面更新，不要求隐藏LiDAR筛选集或精确恒速碰撞数值。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_438", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV438", "modality": "tv2v", "name": "time_to_collision_risk_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在前视行车视频上估计车辆与行人的碰撞风险，并叠加与场景同步的三维风险标注。重点完成碰撞走廊、对象风险与TTC趋势、三维框和预测路径，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“碰撞走廊／对象风险与TTC趋势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现碰撞走廊；对象风险与TTC趋势或三维框和预测路径大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "碰撞走廊已部分实现，任务意图可辨；但对象风险与TTC趋势或三维框和预测路径仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "碰撞走廊、对象风险与TTC趋势、三维框和预测路径的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "碰撞走廊、对象风险与TTC趋势、三维框和预测路径完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Photometric & Color Correction", "leaf_id": "R4", "leaf_zh": "光度与颜色失真校正" }, "core_zh": "在保留视频内容与时序的前提下，消除周期性亮度闪烁和横向或纵向明暗条带。", "criteria": [ { "id": "C1", "text_zh": "消除周期性的整体或局部亮度闪烁，使场景照明跨帧稳定，不产生新的异常亮度跳变。" }, { "id": "C2", "text_zh": "去除输入中的横向或纵向明暗条带，使受影响区域恢复连续、自然的照明。" }, { "id": "C3", "text_zh": "保留原有场景、物体关系、取景范围及画面朝向，不新增、删除或替换实质内容。" }, { "id": "C4", "text_zh": "保留输入中可辨的文字图形、纹理、细线和物体边缘，不靠模糊、涂抹或过曝掩盖闪烁与条带。" }, { "id": "C5", "text_zh": "保持原帧序、播放时长与时间节奏；有运动时保留原运动，不以删帧、冻结画面或循环片段换取照明稳定。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行", "图文、界面与符号系统", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_441", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV441", "modality": "tv2v", "name": "periodic_flicker_banding_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留视频内容与时序的前提下，消除周期性亮度闪烁和横向或纵向明暗条带。重点完成闪烁及条带消除、真实纹理、原运动保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“闪烁及条带消除／真实纹理”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现闪烁及条带消除；真实纹理或原运动保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "闪烁及条带消除已部分实现，任务意图可辨；但真实纹理或原运动保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "闪烁及条带消除、真实纹理、原运动保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "闪烁及条带消除、真实纹理、原运动保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "延续绕物镜头，展示同一对象的底部与倒置视角。", "criteria": [ { "id": "C1", "text_zh": "在已有视频之后继续推进绕物视角，自然衔接输入末段的观察方向与运动趋势，而非仅重放、定格或跳切到孤立的新角度。" }, { "id": "C2", "text_zh": "后续镜头清楚展示对象下侧或底面，并呈现相对原朝向的倒置视图；可见面的变化须体现三维换视点，不能仅靠平面旋转或镜像实现。" }, { "id": "C3", "text_zh": "持续呈现输入中的同一主体，保持关键形状、部件相对布局、固定姿态及辨识特征，不因换视点任意增删、替换或重塑对象。" }, { "id": "C4", "text_zh": "换视点时，前后遮挡、表面显隐和透视缩短符合同一三维构型，刚性部件不出现明显穿透、漂移或突然溶解。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_450", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV450", "modality": "tv2v", "name": "objaverse_upper_hemisphere_to_full_sphere_orbit_completion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，延续绕物镜头，展示同一对象的底部与倒置视角。重点完成下侧及底面新视角、同一物体结构、绕物运动续接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“下侧及底面新视角／同一物体结构”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现下侧及底面新视角；同一物体结构或绕物运动续接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "下侧及底面新视角已部分实现，任务意图可辨；但同一物体结构或绕物运动续接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "下侧及底面新视角、同一物体结构、绕物运动续接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "下侧及底面新视角、同一物体结构、绕物运动续接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文字替换视频背景，在保留前景主体的同时控制新环境的动静与光照。", "criteria": [ { "id": "C1", "text_zh": "背景实际替换为提示指定的环境，并具备相应要素：植物与干土花园、黑木围栏与沥青地面、户外体育设施、复古图书馆书房或工业烘焙厨房。" }, { "id": "C2", "text_zh": "保留人物或车辆的身份外观、衣着和主要构图，以及麦克风、前景面包等明确可见的前景内容；换景不应侵蚀肢体、车轮等主体结构。" }, { "id": "C3", "text_zh": "静态背景分支中，环境及植物无独立运动，照明稳定；花园和木围栏场景使用日光，木围栏场景照明均匀。" }, { "id": "C4", "text_zh": "复古书房分支呈现闪烁烛光或台灯光晕，并有偶发漂浮尘粒和轻微移动的阴影，使背景具有细微动态。" }, { "id": "C5", "text_zh": "主体动作按当前Prompt要求保持静止或延续；动态背景不得无依据改变主体姿态与动作顺序。" } ], "domains_zh": [ "自然环境与地球观测", "交通与出行", "人类活动与交互", "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_458", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV458", "modality": "tv2v", "name": "openve_hq_1m", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字替换视频背景，在保留前景主体的同时控制新环境的动静与光照。重点完成指定背景、前景主体、环境动静与光照，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定背景／前景主体”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定背景；前景主体或环境动静与光照大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定背景已部分实现，任务意图可辨；但前景主体或环境动静与光照仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定背景、前景主体、环境动静与光照的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定背景、前景主体、环境动静与光照完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "将足球视频中的场地标线与球门框重建为黑底、按类别着色且随镜头同步的线图。", "criteria": [ { "id": "C1", "text_zh": "重建场界、中线、中圈、罚球弧、罚球区、球门区及门柱横梁，使线条的位置、投影形状和交接关系对应输入。" }, { "id": "C2", "text_zh": "按类别固定用色：场界青色，中线黄色，中圈和罚球弧洋红色，罚球区绿色，球门区橙色，门柱和横梁紫色。" }, { "id": "C3", "text_zh": "在黑底上以细线呈现目标结构，去除球员、足球、草坪、球网、看台及广告等其他场景内容，不将其描成额外轮廓。" }, { "id": "C4", "text_zh": "被球员遮挡的标线仍依据可见走势与场地几何连续补连，不留下人形缺口，也不绕开人物改线。" }, { "id": "C5", "text_zh": "保持原视角和镜头运动，线图的位置、尺度及可见范围与输入同一时刻同步变化，不冻结为静态模板或出现明显延迟、漂移和无故跳线。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_468", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV468", "modality": "tv2v", "name": "Soccer Pitch-Marking Semantic Video Reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将足球视频中的场地标线与球门框重建为黑底、按类别着色且随镜头同步的线图。重点完成场地线型与类别色、几何投影、遮挡补连与同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“场地线型与类别色／几何投影”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现场地线型与类别色；几何投影或遮挡补连与同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "场地线型与类别色已部分实现，任务意图可辨；但几何投影或遮挡补连与同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "场地线型与类别色、几何投影、遮挡补连与同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "场地线型与类别色、几何投影、遮挡补连与同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Annotation, Behavior & Synchronization Correction", "leaf_id": "Q5", "leaf_zh": "标注、行为与同步纠错" }, "core_zh": "以左路为时间基准，利用双目视频上下文校正右路错时并截取同步中心片段。", "criteria": [ { "id": "C1", "text_zh": "输出恰好20帧，左面板依次对应输入左路第5至24帧（从1计数），截取范围、起止时刻及顺序正确。" }, { "id": "C2", "text_zh": "以左路为基准，为每帧选配右路同一源时刻的画面，消除动作及场景变化的先后错位，不能仅配对相似姿态。" }, { "id": "C3", "text_zh": "保持cam_00在左、cam_01在右，保留各路人物、场景的RGB内容及各自视角，不交换面板、复制一侧替代另一侧或改绘内容。" }, { "id": "C4", "text_zh": "只从输入对应相机的已有帧中选择并配对，保持源时间顺序与动作连续性；不生成帧或新视点，不回绕、补齐、冻结或重复边界帧。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_474", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV474", "modality": "tv2v", "name": "stereo_pair_temporal_desynchronization_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，以左路为时间基准，利用双目视频上下文校正右路错时并截取同步中心片段。重点完成左路时间基准、右路动作对时、正确双目内容，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左路时间基准／右路动作对时”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左路时间基准；右路动作对时或正确双目内容大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左路时间基准已部分实现，任务意图可辨；但右路动作对时或正确双目内容仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左路时间基准、右路动作对时、正确双目内容的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左路时间基准、右路动作对时、正确双目内容完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "由红外云图视频重建同网格、同时间线的闪电扩展密度分级视频。", "criteria": [ { "id": "C1", "text_zh": "输出同区域同期的闪电密度场，主要簇的有无、分布及相对强弱与监督相符。" }, { "id": "C2", "text_zh": "保持地理网格和时间顺序，不能把云纹简单换色或添加闪电特效。" }, { "id": "C3", "text_zh": "固定分级的色彩方向正确，零值与可辨缺测区有区别。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_477", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV477", "modality": "tv2v", "name": "goes_ir_to_lightning_flash_extent_density", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，由红外云图视频重建同网格、同时间线的闪电扩展密度分级视频。重点完成闪电簇位置和强弱、固定分级、同网格同时间，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“闪电簇位置和强弱／固定分级”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现闪电簇位置和强弱；固定分级或同网格同时间大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "闪电簇位置和强弱已部分实现，任务意图可辨；但固定分级或同网格同时间仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "闪电簇位置和强弱、固定分级、同网格同时间的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "闪电簇位置和强弱、固定分级、同网格同时间完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Correctness & Quality Assessment", "leaf_id": "Q4", "leaf_zh": "正确性与质量评估" }, "core_zh": "识别健身视频中指定动作错误的时段，并在黑色底栏同步标注动作名称及分类状态。", "criteria": [ { "id": "C1", "text_zh": "只标注本动作对应的两类错误，清楚区分类别。" }, { "id": "C2", "text_zh": "可见肢体的错误状态与动作发生消失大致同步。" }, { "id": "C3", "text_zh": "原动作保留，底栏状态可读，不替模型修正动作。" }, { "id": "C4", "text_zh": "分类状态应有当前动作证据支持，保持同一错误类别在时序中的含义一致；不把单个样例的可见范围当成全部任务条件。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_487", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV487", "modality": "tv2v", "name": "workout_form_error_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别健身视频中指定动作错误的时段，并在黑色底栏同步标注动作名称及分类状态。重点完成指定健身错误、发生时段、两类状态同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定健身错误／发生时段”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定健身错误；发生时段或两类状态同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定健身错误已部分实现，任务意图可辨；但发生时段或两类状态同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定健身错误、发生时段、两类状态同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定健身错误、发生时段、两类状态同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "将整段输入视频转换为逐帧对齐、跨帧身份一致的可见物体实例分割视频。", "criteria": [ { "id": "C1", "text_zh": "将主要可见前景物体分成独立实例，保留同物体分离可见片段的身份。" }, { "id": "C2", "text_zh": "掩膜贴合当前可见轮廓，不把背景或遮挡者涂入。" }, { "id": "C3", "text_zh": "不同实例使用不同且稳定的颜色，遮挡后保持对应。" }, { "id": "C4", "text_zh": "输出黑底实例图并跟随原时序，不要求16像素门槛、隐藏质心排序或逐像素边界。" } ], "domains_zh": [ "物体与产品场景", "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_491", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV491", "modality": "tv2v", "name": "visible_object_instance_segmentation_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将整段输入视频转换为逐帧对齐、跨帧身份一致的可见物体实例分割视频。重点完成可见实例分离、固定身份色、掩膜与时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“可见实例分离／固定身份色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现可见实例分离；固定身份色或掩膜与时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "可见实例分离已部分实现，任务意图可辨；但固定身份色或掩膜与时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "可见实例分离、固定身份色、掩膜与时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "可见实例分离、固定身份色、掩膜与时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "续接输入中尚未完成的跳马，生成指定细粒度动作的剩余阶段。", "criteria": [ { "id": "C1", "text_zh": "从输入末端的撑台姿态接续同一次跳马，完成推手离台、空中翻转、落地与收势，不重启助跑或跳过主要阶段。" }, { "id": "C2", "text_zh": "后续动作符合提示指定的跳马分支，正确区分前／后空翻、直体／屈体及转体周数，并与输入已展示的上台方式一致。" }, { "id": "C3", "text_zh": "保持运动员的可辨识身份与主要外观，沿用输入中的跳马台和场地，不换人或换成另一套器械场景。" }, { "id": "C4", "text_zh": "延续输入末端的拍摄方位及跟拍关系，保持运动员越过跳马台向落地区域行进的方向，不镜像反转或突换机位。" }, { "id": "C5", "text_zh": "撑台、离台、空中翻转到落地缓冲的接触与姿态变化合理，位移和速度衔接连贯，延续输入节奏，不以瞬移、长时间定格或突变速掩盖动作。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_498", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV498", "modality": "tv2v", "name": "finegym_subaction_phase_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续接输入中尚未完成的跳马，生成指定细粒度动作的剩余阶段。重点完成指定跳马分支、推手翻转落地、同一运动员连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定跳马分支／推手翻转落地”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定跳马分支；推手翻转落地或同一运动员连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定跳马分支已部分实现，任务意图可辨；但推手翻转落地或同一运动员连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定跳马分支、推手翻转落地、同一运动员连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定跳马分支、推手翻转落地、同一运动员连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "为内镜视频添加指定信息栏，同时保持原画面与播放时序。", "criteria": [ { "id": "C1", "text_zh": "在画面底部添加信息栏，并在整段视频中持续清晰显示全部文字，不因长文本或背景变化造成关键内容截断、遮挡或不可辨认。" }, { "id": "C2", "text_zh": "栏中完整列出发现、位置、视图时段、所选源区间及原始完整源区间，字段归属明确，五项值与本样本Prompt给定的原文、数值和单位完全一致。" }, { "id": "C3", "text_zh": "除底部信息栏覆盖区域外，保持输入的组织、病灶、器械、原有屏显、边框及构图不变，不重绘、清除、替换或另行裁切源画面。" }, { "id": "C4", "text_zh": "保留原内镜片段的完整时间进程和帧序，不按信息栏的源区间重新裁掉内容或改速。" }, { "id": "C5", "text_zh": "除规定信息栏外不新增标签、诊断、病灶标记或时间断言，也不在栏内补入Prompt未提供的发现、部位或解释。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_499", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV499", "modality": "tv2v", "name": "hyperkvasir_endoscopy_finding_timeline_editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为内镜视频添加指定信息栏，同时保持原画面与播放时序。重点完成Prompt给定字段、可读底栏、内镜原片完整，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“Prompt给定字段／可读底栏”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现Prompt给定字段；可读底栏或内镜原片完整大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "Prompt给定字段已部分实现，任务意图可辨；但可读底栏或内镜原片完整仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "Prompt给定字段、可读底栏、内镜原片完整的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "Prompt给定字段、可读底栏、内镜原片完整完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "将行车记录视频从末尾状态自然续接下一秒。", "criteria": [ { "id": "C1", "text_zh": "生成紧接输入末尾、覆盖下一秒的后续片段，起始状态衔接自然，不以重播输入或跳到另一时段代替续写。" }, { "id": "C2", "text_zh": "保持既有车道、标线、路缘及建筑等可见环境结构，仅随视角发生合理投影变化，不凭空改造道路或重排场景。" }, { "id": "C3", "text_zh": "交通参与者保持可辨身份，位置、朝向、车道关系与遮挡自然演化，不无故增删、换形或加入违背输入趋势的交通事件。" }, { "id": "C4", "text_zh": "延续输入末段的车载视角与运动趋势，环境视差和车辆相对运动协调，不突换机位、无故骤变运动或冻结仍在明显运动的场景。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_501", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV501", "modality": "tv2v", "name": "nexar_dashcam_pre_event_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将行车记录视频从末尾状态自然续接下一秒。重点完成下一秒行车延续、同一道路参与者、运动和遮挡连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“下一秒行车延续／同一道路参与者”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现下一秒行车延续；同一道路参与者或运动和遮挡连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "下一秒行车延续已部分实现，任务意图可辨；但同一道路参与者或运动和遮挡连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "下一秒行车延续、同一道路参与者、运动和遮挡连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "下一秒行车延续、同一道路参与者、运动和遮挡连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Temporal Gaps & Object Completion", "leaf_id": "R3", "leaf_zh": "时间缺口与物体补全" }, "core_zh": "定位并修复视频中的短暂异源帧侵入，保持其余内容和时序不变。", "criteria": [ { "id": "C1", "text_zh": "定位唯一连续1–3帧的侵入，完全去除异源画面并恢复原片该时刻的主体、背景、视角和外观，不能仅补入同题材的其他镜头。" }, { "id": "C2", "text_zh": "补回帧延续相邻正常帧的物体运动、动作进程和镜头变化，不因修复产生明显闪跳、重影、倒退或不合理停顿。" }, { "id": "C3", "text_zh": "侵入区间外每一帧的内容和变化保持不变，包括主体、背景及当时可见的文字、标识；不得误改正常帧或进行影响内容的全片重绘、裁剪。" }, { "id": "C4", "text_zh": "修补后仍覆盖原时间区间，保留事件顺序和节奏，不以删段、停帧或变速消除异源侵入。" } ], "domains_zh": [ "自然环境与地球观测", "物体与产品场景", "交通与出行", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_510", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV510", "modality": "tv2v", "name": "foreign_frame_intrusion_repair", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，定位并修复视频中的短暂异源帧侵入，保持其余内容和时序不变。重点完成异源帧去除、原场景补回、前后运动衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“异源帧去除／原场景补回”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现异源帧去除；原场景补回或前后运动衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "异源帧去除已部分实现，任务意图可辨；但原场景补回或前后运动衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "异源帧去除、原场景补回、前后运动衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "异源帧去除、原场景补回、前后运动衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将RGB视频转换为具有固定深度配色、场景和时序对应的深度可视化。", "criteria": [ { "id": "C1", "text_zh": "生成同场景的稠密深度表示，远近、梯度与遮挡正确。" }, { "id": "C2", "text_zh": "轮廓位置和运动随原视频对应。" }, { "id": "C3", "text_zh": "固定配色的近远方向与大致档位一致，不要求毫米编码、RGB逐通道插值或取整复刻。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_521", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV521", "modality": "tv2v", "name": "synthetic_physics_rgb_to_metric_depth_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将RGB视频转换为具有固定深度配色、场景和时序对应的深度可视化。重点完成稠密深度结构、近远色标、源视频空间时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“稠密深度结构／近远色标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现稠密深度结构；近远色标或源视频空间时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "稠密深度结构已部分实现，任务意图可辨；但近远色标或源视频空间时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "稠密深度结构、近远色标、源视频空间时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "稠密深度结构、近远色标、源视频空间时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "在卫星云图上展示气旋中心轨迹及强弱演变，并提供相应信息面板。", "criteria": [ { "id": "C1", "text_zh": "定位并连续追踪主要气旋中心，与原云系演变对应。" }, { "id": "C2", "text_zh": "展示增强、减弱或稳定的大致趋势，不与明显云系变化相反。" }, { "id": "C3", "text_zh": "轨迹和当前点、面板阶段相互同步，若有读数应内部自洽。" }, { "id": "C4", "text_zh": "保留原云图，不要求发布方精确经纬度、气压、风速和日期记录的无输入恢复。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_533", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV533", "modality": "tv2v", "name": "digital_typhoon_intensity_track_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在卫星云图上展示气旋中心轨迹及强弱演变，并提供相应信息面板。重点完成气旋中心轨迹、强度变化趋势、云系和面板同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“气旋中心轨迹／强度变化趋势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现气旋中心轨迹；强度变化趋势或云系和面板同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "气旋中心轨迹已部分实现，任务意图可辨；但强度变化趋势或云系和面板同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "气旋中心轨迹、强度变化趋势、云系和面板同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "气旋中心轨迹、强度变化趋势、云系和面板同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "根据全球浅水自由表面高度异常场的前16帧，预测紧接其后的32帧演化。", "criteria": [ { "id": "C1", "text_zh": "输出紧接输入前16帧之后的32帧未来序列，保留原采样步长与播放节奏；不能以复播历史、跳过时段或历史插帧替代外推。" }, { "id": "C2", "text_zh": "相应预测时刻的正负异常分布、形态和相对幅值变化须符合该轨迹的未来演化，并从输入末态连贯推进，不能仅冻结、循环或随机改动红蓝纹理。" }, { "id": "C3", "text_zh": "保持输入的全球经纬度布局、完整场域及坐标与图像位置的对应，经度仍由左侧180°W至右侧180°E，纬向顺序不翻转；不得镜像、旋转或裁掉场域。" }, { "id": "C4", "text_zh": "沿用本样本固定的蓝—白—红米制色标：蓝为负、白为零、红为正，端点与颜色—数值映射全程不变，不按未来帧重新归一化。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_534", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV534", "modality": "tv2v", "name": "global_shallow_water_height_anomaly_rollout_forecasting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据全球浅水自由表面高度异常场的前16帧，预测紧接其后的32帧演化。重点完成未来高度异常分布、正负色标、固定地理范围与演化，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“未来高度异常分布／正负色标”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现未来高度异常分布；正负色标或固定地理范围与演化大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "未来高度异常分布已部分实现，任务意图可辨；但正负色标或固定地理范围与演化仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "未来高度异常分布、正负色标、固定地理范围与演化的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "未来高度异常分布、正负色标、固定地理范围与演化完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "检测并跨帧跟踪行车视频中的道路场景文字，叠加实例框、稳定身份和可信转写。", "criteria": [ { "id": "C1", "text_zh": "对每个可见且可定位的文字实例绘制对应边界框，框贴合文字位置与范围，不明显漏检、误检或用整车框代替文字框。" }, { "id": "C2", "text_zh": "每个文字实例具有唯一的片段内ID（如TXT-01）；同一实例跨帧保持相同ID与颜色，不串换身份或因变清晰而重新编号。" }, { "id": "C3", "text_zh": "可辨读时显示与源文字一致的转写；无法可靠辨读时仍保留框和ID，但不臆造转写。" }, { "id": "C4", "text_zh": "文字实例可见期间持续更新标注的位置与尺度；完全离画或遮挡到不可见后停止显示对应框、ID和转写，不遗留悬空标注。" }, { "id": "C5", "text_zh": "除叠加标注外，保持原视频的画面内容、帧顺序、时序和相机运动，场景及对象运动不被改写。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_411", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV411", "modality": "tv2v", "name": "temporal_road_text_spotting_tracking_and_transcription_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，检测并跨帧跟踪行车视频中的道路场景文字，叠加实例框、稳定身份和可信转写。重点完成文字定位、稳定身份、可信转写，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“文字定位／稳定身份”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现文字定位；稳定身份或可信转写大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "文字定位已部分实现，任务意图可辨；但稳定身份或可信转写仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "文字定位、稳定身份、可信转写的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "文字定位、稳定身份、可信转写完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "对复合视频进行内容保真的点爬与亮色串扰伪影修复。", "criteria": [ { "id": "C1", "text_zh": "去除输入中可见的点爬、交叉色度伪彩和交叉亮度伪纹理，使边界、细密纹理及色块不再受明显的点纹、彩纹或异常亮暗条纹污染。" }, { "id": "C2", "text_zh": "保留真实轮廓、纹理、正常色彩及可辨文字与图标，不得以过度平滑、全局去色或虚构细节替代去伪影。" }, { "id": "C3", "text_zh": "保持原场景、主体及取景，不增删、移置或裁切元素；游戏界面、记分栏、画中画等已有叠层应保留其内容和画面内布局。" }, { "id": "C4", "text_zh": "保持源视频的运动、动作与界面变化顺序、节奏和时长，去伪影处理跨帧一致，不引入冻结、跳变、拖影或新的闪烁。" } ], "domains_zh": [ "游戏与棋类", "图文、界面与符号系统", "交通与出行", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_540", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV540", "modality": "tv2v", "name": "composite_video_dot_crawl_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对复合视频进行内容保真的点爬与亮色串扰伪影修复。重点完成点爬串扰去除、真实图文色彩、运动保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“点爬串扰去除／真实图文色彩”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现点爬串扰去除；真实图文色彩或运动保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "点爬串扰去除已部分实现，任务意图可辨；但真实图文色彩或运动保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "点爬串扰去除、真实图文色彩、运动保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "点爬串扰去除、真实图文色彩、运动保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "在保全原始视野的前提下稳定视频抖动，并时序补齐稳像显露的边界。", "criteria": [ { "id": "C1", "text_zh": "去除非预期高频相机抖动，同时保留有意转向、推进及取景尺度变化，不把原有运镜锁成静止。" }, { "id": "C2", "text_zh": "保留原始视野及边缘场景内容，不通过裁切或为隐藏空缺而额外放大、缩窄视野来实现稳定。" }, { "id": "C3", "text_zh": "稳像新露出的边界优先由其他时刻可见的对应内容补回；仅对始终未见区域作时序补全，边缘结构须与场景一致且不闪跳、重影或留下新空洞。" }, { "id": "C4", "text_zh": "保留场景结构、对象身份和可辨识外观，以及人物等主体的独立运动；不以形变、抹除、替换或冻结主体来消除运动。" }, { "id": "C5", "text_zh": "保持原帧序、帧数、帧率、时长及播放速度，运镜事件和主体动作保留原有时间对应，不用删帧、重排或变速换取平稳。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_544", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV544", "modality": "tv2v", "name": "uncropped_full_frame_video_stabilization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保全原始视野的前提下稳定视频抖动，并时序补齐稳像显露的边界。重点完成高频抖动去除、完整视野及边缘补全、有意运镜保留，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“高频抖动去除／完整视野及边缘补全”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现高频抖动去除；完整视野及边缘补全或有意运镜保留大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "高频抖动去除已部分实现，任务意图可辨；但完整视野及边缘补全或有意运镜保留仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "高频抖动去除、完整视野及边缘补全、有意运镜保留的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "高频抖动去除、完整视野及边缘补全、有意运镜保留完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "在排球原片上将多人动作的位置、类别与发生时段联动可视化。", "criteria": [ { "id": "C1", "text_zh": "保留原比赛场景、球员、球、镜头及动作时序，仅新增动作标注层。" }, { "id": "C2", "text_zh": "识别并标注片中的排球攻防动作，彩框围住并跟随正确球员，旁侧可读标签显示短ID及当前动作名称，不错标对象、混淆类别或遗漏关键动作。" }, { "id": "C3", "text_zh": "每条动作轨迹保持稳定短ID和可区分的颜色，动作框、标签与时间线行相互对应，跨帧不换人、不串轨。" }, { "id": "C4", "text_zh": "动作框和标签随有效动作区间出现、消失，非活动时段不持续挂框；多名球员动作重叠时分别同时标注。" }, { "id": "C5", "text_zh": "底部保留紧凑时间线，每个动作ID独立一行，以对应颜色的条段表示该轨迹在片内的动作区间，并标出秒制时间轴；条段起止与动作时段相符。" }, { "id": "C6", "text_zh": "时间线上有清晰的当前帧游标，按帧时间沿秒轴移动，与画面动作、活动标签及各区间条保持同步。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_545", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV545", "modality": "tv2v", "name": "multi_person_sports_phase_coordination_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在排球原片上将多人动作的位置、类别与发生时段联动可视化。重点完成排球动作人物、身份与区间、联动时间线，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“排球动作人物／身份与区间”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现排球动作人物；身份与区间或联动时间线大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "排球动作人物已部分实现，任务意图可辨；但身份与区间或联动时间线仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "排球动作人物、身份与区间、联动时间线的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "排球动作人物、身份与区间、联动时间线完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "将视频整体转为灰度，同时保持原有内容、运动和时间结构。", "criteria": [ { "id": "C1", "text_zh": "整段视频全画面去色，呈现中性黑白灰及可辨的明暗层次，前景、背景与叠加画面均无明显彩色残留。" }, { "id": "C2", "text_zh": "除去色外，保持人物、物体与背景的身份、形态、相对位置和构图，并保留原有字幕、标志、界面文字及画中画内容，不增删、改写或遮挡。" }, { "id": "C3", "text_zh": "保持原有人物、物体和镜头的运动变化，以及事件顺序、速度、原有切镜与字幕时机和总时长，不冻结、重排、变速或截短片段。" } ], "domains_zh": [ "艺术与动画内容", "人类活动与交互", "工业与工程", "自然环境与地球观测", "图文、界面与符号系统", "游戏与棋类" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_548", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV548", "modality": "tv2v", "name": "finevideo_rgb_to_grayscale_video_conversion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将视频整体转为灰度，同时保持原有内容、运动和时间结构。重点完成全画面去色、灰度层次、原内容和时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“全画面去色／灰度层次”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现全画面去色；灰度层次或原内容和时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "全画面去色已部分实现，任务意图可辨；但灰度层次或原内容和时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "全画面去色、灰度层次、原内容和时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "全画面去色、灰度层次、原内容和时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "依据街景辨认拍摄城市，并在原视频中逐帧框选对应的城市—国家选项。", "criteria": [ { "id": "C1", "text_zh": "在四张英文城市—国家选项卡中，唯一标记与街景拍摄地点对应的选项，并适应不同样本的卡片顺序。" }, { "id": "C2", "text_zh": "仅沿选中卡片轮廓添加亮绿色圆角矩形描边，完整围住该卡，不填充卡面、不遮挡文字、不波及邻卡。" }, { "id": "C3", "text_zh": "每一帧都显示答案描边并稳定对齐正确卡片，不漏显、闪烁、明显偏离卡片或跳换选项。" }, { "id": "C4", "text_zh": "完整返回原视频，保留街景及运动、四张卡片与全部文字、卡位、构图和原有时序，除答案描边外不增删、替换、模糊或裁切其他内容。" } ], "domains_zh": [ "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_552", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV552", "modality": "tv2v", "name": "street_scene_city_option_selection", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据街景辨认拍摄城市，并在原视频中逐帧框选对应的城市—国家选项。重点完成城市国家选择、唯一正确卡片、稳定绿色描边，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“城市国家选择／唯一正确卡片”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现城市国家选择；唯一正确卡片或稳定绿色描边大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "城市国家选择已部分实现，任务意图可辨；但唯一正确卡片或稳定绿色描边仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "城市国家选择、唯一正确卡片、稳定绿色描边的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "城市国家选择、唯一正确卡片、稳定绿色描边完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "对相机陷阱视频中的动物进行实例分割与跨帧身份跟踪，并以稳定配色的掩膜叠加显示。", "criteria": [ { "id": "C1", "text_zh": "为主要可辨动物逐只叠加半透明掩膜及轮廓。" }, { "id": "C2", "text_zh": "掩膜随身体和出入画面更新，不串到背景或合并个体。" }, { "id": "C3", "text_zh": "同一动物跨帧保持身份色。" }, { "id": "C4", "text_zh": "保留原场景和空景阶段，不要求发布方筛选子集或偶然ID配色一致。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_556", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV556", "modality": "tv2v", "name": "wildlife_instance_mask_tracking_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对相机陷阱视频中的动物进行实例分割与跨帧身份跟踪，并以稳定配色的掩膜叠加显示。重点完成动物实例覆盖、身份色、掩膜随动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“动物实例覆盖／身份色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现动物实例覆盖；身份色或掩膜随动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "动物实例覆盖已部分实现，任务意图可辨；但身份色或掩膜随动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "动物实例覆盖、身份色、掩膜随动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "动物实例覆盖、身份色、掩膜随动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "将手持拍摄的文档视频校正为内容与时序不变的稳定正面平行视图。", "criteria": [ { "id": "C1", "text_zh": "定位并校正主体文档的旋转与透视倾斜，使文档呈正面平行、边界端正的视图，而非仅放大原斜拍画面。" }, { "id": "C2", "text_zh": "在输出序列中持续稳定文档的位置、尺度和朝向，避免明显抖动、漂移及透视形变跳变。" }, { "id": "C3", "text_zh": "保留原文档可见的文字、号码、肖像、签名、标识及其相对布局，不改写、替换或裁掉有效内容。" }, { "id": "C4", "text_zh": "输出帧与输入原时刻对应，保持帧顺序、时间间隔和时长，不通过删帧、重排、快慢放或静帧循环代替原视频。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_558", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV558", "modality": "tv2v", "name": "mobile_document_video_perspective_rectification", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将手持拍摄的文档视频校正为内容与时序不变的稳定正面平行视图。重点完成文档正面校正、原文字布局、时序稳定，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“文档正面校正／原文字布局”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现文档正面校正；原文字布局或时序稳定大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "文档正面校正已部分实现，任务意图可辨；但原文字布局或时序稳定仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "文档正面校正、原文字布局、时序稳定的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "文档正面校正、原文字布局、时序稳定完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "为视频添加与物体及相机运动相符的自然曝光运动模糊。", "criteria": [ { "id": "C1", "text_zh": "依据物体与相机造成的画面相对运动添加曝光拖影，方向和强弱与局部运动相符；画面内近静止区域保持相对清晰，而非全画面无差别柔化。" }, { "id": "C2", "text_zh": "拖影呈自然曝光积累的连续形态，边缘过渡合理，跨帧变化随运动衔接；不出现明显脱离运动的分身、撕裂或模糊闪烁。" }, { "id": "C3", "text_zh": "保留原场景内容、主体身份与数量、空间关系、构图及主要颜色，不新增、移除或替换对象，也不额外裁切、变焦、变形或重着色。" }, { "id": "C4", "text_zh": "保留物体与镜头的原始运动路径、动作顺序、帧顺序、时长和时间对应，不以重排、增删片段、变速或停帧制造模糊。" } ], "domains_zh": [ "自然环境与地球观测", "交通与出行", "建筑与空间场景", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_570", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV570", "modality": "tv2v", "name": "motion_aware_video_exposure_blur_synthesis", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为视频添加与物体及相机运动相符的自然曝光运动模糊。重点完成局部运动相关拖影、原主体和场景、自然曝光连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“局部运动相关拖影／原主体和场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现局部运动相关拖影；原主体和场景或自然曝光连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "局部运动相关拖影已部分实现，任务意图可辨；但原主体和场景或自然曝光连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "局部运动相关拖影、原主体和场景、自然曝光连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "局部运动相关拖影、原主体和场景、自然曝光连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "补偿相机运动，将场景中可见表面的对地运动幅值表达为同步热图。", "criteria": [ { "id": "C1", "text_zh": "表达物体对地运动而非仅画面位移，补偿相机运动对静态场景的影响。" }, { "id": "C2", "text_zh": "热度区分静止和相对快慢，主要移动对象区域对应。" }, { "id": "C3", "text_zh": "色标和时间方向稳定，天空等不可判断区域可按约定单独显示。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_574", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV574", "modality": "tv2v", "name": "vkitti2_monocular_world_motion_magnitude_heatmap", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，补偿相机运动，将场景中可见表面的对地运动幅值表达为同步热图。重点完成对地运动幅值、相机运动补偿、热图结构与零运动，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“对地运动幅值／相机运动补偿”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现对地运动幅值；相机运动补偿或热图结构与零运动大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "对地运动幅值已部分实现，任务意图可辨；但相机运动补偿或热图结构与零运动仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "对地运动幅值、相机运动补偿、热图结构与零运动的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "对地运动幅值、相机运动补偿、热图结构与零运动完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "利用双目视频生成左目对齐、远近层次清楚且配色稳定的稠密深度视频。", "criteria": [ { "id": "C1", "text_zh": "输出左目对齐的稠密深度，主要近远及遮挡符合双目线索。" }, { "id": "C2", "text_zh": "相对距离层次使用全片稳定单调配色，缺测表达与有效表面区分。" }, { "id": "C3", "text_zh": "保持原相机与物体运动时序。" }, { "id": "C4", "text_zh": "没有相机基线时不要求唯一米制绝对距离，但不能只生成与场景无关的色块。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_538", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV538", "modality": "tv2v", "name": "stereo_rgb_to_metric_depth_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，利用双目视频生成左目对齐、远近层次清楚且配色稳定的稠密深度视频。重点完成左目深度结构、双目支持的远近、固定配色和时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左目深度结构／双目支持的远近”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左目深度结构；双目支持的远近或固定配色和时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左目深度结构已部分实现，任务意图可辨；但双目支持的远近或固定配色和时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左目深度结构、双目支持的远近、固定配色和时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左目深度结构、双目支持的远近、固定配色和时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "按指定数量与数学表达式，续写已有的小学数学教学动画。", "criteria": [ { "id": "C1", "text_zh": "承接输入末态的数学主题、标题和说明，延续简洁二维数学场景，逐步加入后续图形或推导，不以重播输入或孤立静止答案替代续写。" }, { "id": "C2", "text_zh": "乘法分支用可数点阵正确呈现当前题目的行数、每行点数与总数，不能只用文字替代点阵。" }, { "id": "C3", "text_zh": "分数条分支按当前题目正确等分并着色，分格数与着色数分别对应分母和分子，遵守图形形式要求。" }, { "id": "C4", "text_zh": "公式、数字和运算顺序符合当前题目；分数表示、化简与标签位置按指令执行，不以近似为由更改数学答案。" }, { "id": "C5", "text_zh": "按当前要求的教学节奏依次展开，让图形与对应公式有可辨认的展示时间。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_595", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV595", "modality": "tv2v", "name": "manim_instruction_conditioned_animation_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按指定数量与数学表达式，续写已有的小学数学教学动画。重点完成指定数学数量、正确图形表达、公式和教学顺序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定数学数量／正确图形表达”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定数学数量；正确图形表达或公式和教学顺序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定数学数量已部分实现，任务意图可辨；但正确图形表达或公式和教学顺序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定数学数量、正确图形表达、公式和教学顺序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定数学数量、正确图形表达、公式和教学顺序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "续接同一吸附物—催化剂体系的原子弛豫优化序列。", "criteria": [ { "id": "C1", "text_zh": "保持同一吸附物和催化剂体系的原子类别及主要排列。" }, { "id": "C2", "text_zh": "从输入末态连贯续接局部位置、取向与构型松弛。" }, { "id": "C3", "text_zh": "调整具有合理连续性，不用冻结或整体运镜冒充弛豫。" }, { "id": "C4", "text_zh": "允许与当前状态相容的合理后续，不要求逐帧复制未提供的原优化记录。" } ], "domains_zh": [ "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_598", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV598", "modality": "tv2v", "name": "adsorbate_catalyst_relaxation_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续接同一吸附物—催化剂体系的原子弛豫优化序列。重点完成同一原子体系、末态衔接、合理弛豫构型变化，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同一原子体系／末态衔接”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同一原子体系；末态衔接或合理弛豫构型变化大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同一原子体系已部分实现，任务意图可辨；但末态衔接或合理弛豫构型变化仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同一原子体系、末态衔接、合理弛豫构型变化的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同一原子体系、末态衔接、合理弛豫构型变化完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将连续轴位MR切片序列转换为保持解剖与层间对应的放疗CT外观序列。", "criteria": [ { "id": "C1", "text_zh": "各输出层呈现CT组织对比：骨皮质明亮，脂肪、肌肉及其他软组织具有合理灰度层次，存在含气区域时呈低亮度，而非仍保留MR的组织信号表现。" }, { "id": "C2", "text_zh": "各层保留对应MR的可辨认体表、骨骼及主要软组织结构，维持相对位置、朝向、相对尺度和切片视野，不新增、删除、挪动或明显扭曲主要结构。" }, { "id": "C3", "text_zh": "输出完整的16层CT切片视频，与16层MR逐层一一对应并保持原层序；不漏层、不增层、不重排，也不以重复切片或单张静态图充数。" }, { "id": "C4", "text_zh": "相邻输出层随MR的层面推进延续骨缘、体表及主要组织的变化，CT组织对比跨层一致，不产生输入中没有的结构跳变、漂移或闪烁。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_612", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV612", "modality": "tv2v", "name": "mri_to_radiotherapy_ct_synthesis", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将连续轴位MR切片序列转换为保持解剖与层间对应的放疗CT外观序列。重点完成CT组织对比、MR解剖保持、切片层序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“CT组织对比／MR解剖保持”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现CT组织对比；MR解剖保持或切片层序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "CT组织对比已部分实现，任务意图可辨；但MR解剖保持或切片层序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "CT组织对比、MR解剖保持、切片层序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "CT组织对比、MR解剖保持、切片层序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "为人物视频中的左右足叠加与接触和运动相符的地面反作用力方向与相对强度。", "criteria": [ { "id": "C1", "text_zh": "左右足颜色与身份正确，箭头在对应足附近附着。" }, { "id": "C2", "text_zh": "接触受力时出现相应力标记，离地时不持续显示支撑力。" }, { "id": "C3", "text_zh": "方向、相对强弱和时间变化与动作及监督的大致模式相容。" }, { "id": "C4", "text_zh": "读数和箭长自洽，不要求实测压力中心或精确BW值，也不认证力学测量准确性。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_614", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV614", "modality": "tv2v", "name": "human_motion_to_ground_reaction_force_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为人物视频中的左右足叠加与接触和运动相符的地面反作用力方向与相对强度。重点完成左右足接触、力矢量趋势、与动作同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左右足接触／力矢量趋势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左右足接触；力矢量趋势或与动作同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左右足接触已部分实现，任务意图可辨；但力矢量趋势或与动作同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左右足接触、力矢量趋势、与动作同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左右足接触、力矢量趋势、与动作同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "利用视频中的标尺叠加产品三维包围盒与厘米尺寸，并在不可测时切换状态提示。", "criteria": [ { "id": "C1", "text_zh": "可测帧中叠加包围正确产品的三维包围盒，其位置、朝向和范围符合可见轮廓与当前透视，不以二维平面框替代。" }, { "id": "C2", "text_zh": "利用可见的5厘米标记确定尺度，清楚显示宽、深、高的数值及厘米单位，读数应与可见比例、透视及所对应的三维轴向相符。" }, { "id": "C3", "text_zh": "随视角变化，包围盒及尺寸标注持续对应同一产品和相应轴向，投影平稳更新而不明显漂移、抖动或换轴，固定产品的尺寸读数保持一致。" }, { "id": "C4", "text_zh": "标记无效或产品严重遮挡的帧显示UNMEASURABLE并撤下尺寸数值；恢复可测后重新显示测量，正常可测帧不应被错误判为不可测。" }, { "id": "C5", "text_zh": "编辑限于测量或状态叠层，保留源产品的身份、外观和几何及场景中的标记、遮挡事件，并保持相机运动、片段顺序和时间线。" } ], "domains_zh": [ "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_618", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV618", "modality": "tv2v", "name": "calibrated_product_metric_dimension_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，利用视频中的标尺叠加产品三维包围盒与厘米尺寸，并在不可测时切换状态提示。重点完成标尺和产品比例、三维尺寸轴、可测状态与跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“标尺和产品比例／三维尺寸轴”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现标尺和产品比例；三维尺寸轴或可测状态与跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "标尺和产品比例已部分实现，任务意图可辨；但三维尺寸轴或可测状态与跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "标尺和产品比例、三维尺寸轴、可测状态与跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "标尺和产品比例、三维尺寸轴、可测状态与跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将眼在手上RGB抓取视频转换为同区间的左右双指触觉标记视频。", "criteria": [ { "id": "C1", "text_zh": "输出一条左右并排的双指GelSight Mini marker RGB视频，发布者左指在左半、右指在右半，整个片段保持指别固定、不交换。" }, { "id": "C2", "text_zh": "保持触觉凝胶的RGB外观、黑色标记阵列及接触引起的局部色彩和标记变化，不以原场景画面、普通热力图或只有箭头的示意图替代。" }, { "id": "C3", "text_zh": "接触前、起触、持续接触及区间内的释放须对应同一次抓取过程，不提前或拖后触觉事件，也不凭空增删接触。" }, { "id": "C4", "text_zh": "接触后两侧的局部触区、形变方向和标记运动须对应本次抓取，保留有依据的左右差异及随时间的变化，不套用与片段无关的固定形变动画。" }, { "id": "C5", "text_zh": "输出同输入区间的同步双指触觉过程，左右对时，不混入其他抓取或续写未来。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_627", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV627", "modality": "tv2v", "name": "eye_in_hand_rgb_to_bilateral_tactile_video_translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将眼在手上RGB抓取视频转换为同区间的左右双指触觉标记视频。重点完成左右双指触觉、接触局部形变、抓取时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左右双指触觉／接触局部形变”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左右双指触觉；接触局部形变或抓取时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左右双指触觉已部分实现，任务意图可辨；但接触局部形变或抓取时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左右双指触觉、接触局部形变、抓取时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左右双指触觉、接触局部形变、抓取时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "为驾驶视频中的可辨交通对象叠加按类别着色、跟随视角变化的三维长方体框。", "criteria": [ { "id": "C1", "text_zh": "对可辨的主要交通对象叠加三维长方体框，不要求隐藏官方列表。" }, { "id": "C2", "text_zh": "框的投影位置、朝向、大小和棱连接与当前对象合理对应。" }, { "id": "C3", "text_zh": "按当前Prompt类别色映射，同类同色且随运动更新。" }, { "id": "C4", "text_zh": "保留原道路和事件，不要求近裁面参数或精确官方三维坐标。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_628", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV628", "modality": "tv2v", "name": "av2_3d_cuboid_annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为驾驶视频中的可辨交通对象叠加按类别着色、跟随视角变化的三维长方体框。重点完成可见交通对象、三维框及类别色、相机运动下的投影，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“可见交通对象／三维框及类别色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现可见交通对象；三维框及类别色或相机运动下的投影大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "可见交通对象已部分实现，任务意图可辨；但三维框及类别色或相机运动下的投影仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "可见交通对象、三维框及类别色、相机运动下的投影的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "可见交通对象、三维框及类别色、相机运动下的投影完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "为驾驶视频叠加稳定身份跟踪及经相机运动补偿的地面相对运动信息。", "criteria": [ { "id": "C1", "text_zh": "为主要可辨交通参与者建立稳定身份，标记与信息卡一一对应。" }, { "id": "C2", "text_zh": "补偿自车运动后表达对象的对地移动、静止、朝向和相对快慢。" }, { "id": "C3", "text_zh": "历史轨迹只反映已经观察的运动，不混用未来或跨遮挡虚构连续轨迹。" }, { "id": "C4", "text_zh": "读数、箭头和状态自洽，保留原片，不要求初现ID排序和短轨迹像素阈值复刻。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_629", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV629", "modality": "tv2v", "name": "av2_actor_motion_state_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为驾驶视频叠加稳定身份跟踪及经相机运动补偿的地面相对运动信息。重点完成交通参与者身份、地面相对运动、因果轨迹与信息卡，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“交通参与者身份／地面相对运动”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现交通参与者身份；地面相对运动或因果轨迹与信息卡大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "交通参与者身份已部分实现，任务意图可辨；但地面相对运动或因果轨迹与信息卡仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "交通参与者身份、地面相对运动、因果轨迹与信息卡的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "交通参与者身份、地面相对运动、因果轨迹与信息卡完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "在视频中按指令替换指定表面的颜色或文字。", "criteria": [ { "id": "C1", "text_zh": "按各自指令，使所指墙面整体呈黑色，或使所指靠枕整体呈橙色，而非仅增加小块目标颜色。" }, { "id": "C2", "text_zh": "改字时，盒面、海报、书封分别替换为“It's just a box”“Hard times make a strong man”“Live here and now”，词句准确完整，清除被替换的旧文字。" }, { "id": "C3", "text_zh": "保留原人物身份、动作进程、镜头变化及目标载体的形状位置；非指定编辑区域的场景内容不被无关增删、改色或重构。" }, { "id": "C4", "text_zh": "编辑随载体及镜头变化贴合正确表面、透视与遮挡，在可见时段保持一致，无明显漂移、闪烁或旧内容回跳；目标未出现时不悬空生成文字或色块。" } ], "domains_zh": [ "人类活动与交互", "物体与产品场景", "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_641", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV641", "modality": "tv2v", "name": "anakin_local_appearance_swap", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在视频中按指令替换指定表面的颜色或文字。重点完成指定表面改色或改字、文字原文、非编辑内容与跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定表面改色或改字／文字原文”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定表面改色或改字；文字原文或非编辑内容与跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定表面改色或改字已部分实现，任务意图可辨；但文字原文或非编辑内容与跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定表面改色或改字、文字原文、非编辑内容与跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定表面改色或改字、文字原文、非编辑内容与跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Physical Property & Response Inference", "leaf_id": "Q3", "leaf_zh": "隐含物理属性与响应推断" }, "core_zh": "分离视频中的光照与材质，恢复时序一致的漫反射反照率。", "criteria": [ { "id": "C1", "text_zh": "去除光照、投影和高光成分，同时保留可辨的材质固有色与纹理分区。" }, { "id": "C2", "text_zh": "原物体结构、姿态和运动保持。" }, { "id": "C3", "text_zh": "同一表面的反照率跨帧稳定，不以全局换色或涂平代替分解。" }, { "id": "C4", "text_zh": "接受符合输入结构与材质关系的合理光照分解，不把具有多解性的具体色值当作唯一答案。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_644", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV644", "modality": "tv2v", "name": "rgb_to_diffuse_albedo_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，分离视频中的光照与材质，恢复时序一致的漫反射反照率。重点完成去光照保材质、可辨固有色、稳定反照率，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“去光照保材质／可辨固有色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现去光照保材质；可辨固有色或稳定反照率大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "去光照保材质已部分实现，任务意图可辨；但可辨固有色或稳定反照率仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "去光照保材质、可辨固有色、稳定反照率的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "去光照保材质、可辨固有色、稳定反照率完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Spatial Mapping, Topology & Measurement", "leaf_id": "G3", "leaf_zh": "空间映射、拓扑与度量" }, "core_zh": "读取视频经纬度，在旋转地球上添加锚定对应地点并按遮挡显隐的红色空心圆。", "criteria": [ { "id": "C1", "text_zh": "圆心所指地点与输入LAT/LON的数值及正负号相符，正确区分经纬度、南北纬和东西经。" }, { "id": "C2", "text_zh": "应显示标记时，使用一个红色空心圆，圈内原画面仍可见，不以实心点、其他图形或文字替代。" }, { "id": "C3", "text_zh": "在地点可见的时段，圆心跟随同一地理点的投影移动，与地球旋转同步，不固定在屏幕上或在地图上明显滑动、跳变。" }, { "id": "C4", "text_zh": "坐标点位于地球可见面时显示圆标，转入背面时整圈隐藏；再次转到可见面时恢复。" }, { "id": "C5", "text_zh": "除新增圆标外，保留地球外观、构图、背景及旋转方向与时序；原有文字、经纬数值和符号不改、不删，也不新增文字。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_654", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV654", "modality": "tv2v", "name": "gps_coordinate_conditioned_rotating_globe_marking", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，读取视频经纬度，在旋转地球上添加锚定对应地点并按遮挡显隐的红色空心圆。重点完成经纬度地点、地球表面锚定、红圈显隐，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“经纬度地点／地球表面锚定”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现经纬度地点；地球表面锚定或红圈显隐大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "经纬度地点已部分实现，任务意图可辨；但地球表面锚定或红圈显隐仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "经纬度地点、地球表面锚定、红圈显隐的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "经纬度地点、地球表面锚定、红圈显隐完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "消除视频中的延迟帧叠影与运动拖尾，同时保持原场景和运动时序。", "criteria": [ { "id": "C1", "text_zh": "消除延迟帧形成的半透明重复轮廓与运动拖尾，处理运动主体及随镜头移动的背景上的残影，不用整体模糊掩盖重影。" }, { "id": "C2", "text_zh": "保留人物、车辆、建筑、货物等真实对象、可辨外观和场景细节，不因去重影误删主体、抹平结构或新增虚假内容。" }, { "id": "C3", "text_zh": "保持对应时刻原有的视角、取景范围、物体形状比例和空间关系，不以额外裁切、缩放或几何扭曲代替去重影。" }, { "id": "C4", "text_zh": "保持主体与镜头的原始运动过程、帧顺序和时间节奏，不新增停顿、跳帧、重复帧或变速；去重影效果随时间稳定，不引入轮廓跳变或闪烁。" } ], "domains_zh": [ "交通与出行", "建筑与空间场景", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_657", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV657", "modality": "tv2v", "name": "temporal_frame_echo_removal", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，消除视频中的延迟帧叠影与运动拖尾，同时保持原场景和运动时序。重点完成延迟叠影去除、真实对象轮廓、原运动时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“延迟叠影去除／真实对象轮廓”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现延迟叠影去除；真实对象轮廓或原运动时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "延迟叠影去除已部分实现，任务意图可辨；但真实对象轮廓或原运动时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "延迟叠影去除、真实对象轮廓、原运动时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "延迟叠影去除、真实对象轮廓、原运动时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Imaging Geometry Correction", "leaf_id": "R2", "leaf_zh": "成像几何畸变校正" }, "core_zh": "仅校正视频的对焦呼吸尺度脉动，并以最紧视场维持尺度稳定。", "criteria": [ { "id": "C1", "text_zh": "消除对焦呼吸造成的画面整体尺度脉动，使画面不再因此反复放大、缩小，且补偿本身不引入新的尺度跳变。" }, { "id": "C2", "text_zh": "以输入视频呼吸变化中的最紧视场为基准统一取景尺度，不改用较宽基准、过度裁切或另行追踪主体重构图。" }, { "id": "C3", "text_zh": "保留原主体动作和相机运动及其时序、节奏与时长，不冻结、变速、重排动作或额外做去抖稳像。" }, { "id": "C4", "text_zh": "除尺度补偿所需裁边外，保留可见主体、物体和背景的身份、形状关系、原有色彩与虚实，不增删、替换或局部扭曲内容。" } ], "domains_zh": [ "建筑与空间场景", "交通与出行", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_658", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV658", "modality": "tv2v", "name": "temporal_focus_breathing_correction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，仅校正视频的对焦呼吸尺度脉动，并以最紧视场维持尺度稳定。重点完成呼吸尺度脉动消除、统一紧视场、原运镜与动作，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“呼吸尺度脉动消除／统一紧视场”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现呼吸尺度脉动消除；统一紧视场或原运镜与动作大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "呼吸尺度脉动消除已部分实现，任务意图可辨；但统一紧视场或原运镜与动作仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "呼吸尺度脉动消除、统一紧视场、原运镜与动作的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "呼吸尺度脉动消除、统一紧视场、原运镜与动作完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Motion Estimation & Temporal Correspondence", "leaf_id": "M2", "leaf_zh": "运动估计与时序对应" }, "core_zh": "在原视频上用当前人体轮廓和因果渐淡剪影显示可见人体的短时运动历史。", "criteria": [ { "id": "C1", "text_zh": "为当前可见人体描绘清楚轮廓，不误描背景物。" }, { "id": "C2", "text_zh": "叠加近期已发生的身体剪影，历史位置和姿态与实际运动对应。" }, { "id": "C3", "text_zh": "颜色和透明度表达由近至远的帧龄，过期轨迹消退且不含未来。" }, { "id": "C4", "text_zh": "保留原片，不要求两像素线宽或窗口边界逐像素一致。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_660", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV660", "modality": "tv2v", "name": "human_motion_trail_overlay_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频上用当前人体轮廓和因果渐淡剪影显示可见人体的短时运动历史。重点完成当前人体轮廓、近期历史剪影、渐淡时间编码，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“当前人体轮廓／近期历史剪影”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现当前人体轮廓；近期历史剪影或渐淡时间编码大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "当前人体轮廓已部分实现，任务意图可辨；但近期历史剪影或渐淡时间编码仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "当前人体轮廓、近期历史剪影、渐淡时间编码的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "当前人体轮廓、近期历史剪影、渐淡时间编码完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "为视频中的运动前景对象逐帧叠加轮廓贴合、跨帧恒色的实例蒙版。", "criteria": [ { "id": "C1", "text_zh": "为输入中可辨识的运动前景对象分别建立蒙版，不遗漏明显运动实例；多辆小车、多个球等同类但独立的物体不得合并为一个实例。" }, { "id": "C2", "text_zh": "蒙版覆盖实例当帧的可见表面并贴合真实轮廓，在细杆、接触和局部遮挡处不明显漏涂、外溢或跨到邻物，不补画不可见部分。" }, { "id": "C3", "text_zh": "各实例用本样本指定RGB色板中的颜色区分，同一实例全片固定一种蒙版色，不任意新增色号或交换颜色身份。" }, { "id": "C4", "text_zh": "蒙版随对象位移、转动和彼此分离逐帧更新，不漂移、拖影、跳到邻物或无故闪失；对象完全出画后不在背景留下蒙版。" }, { "id": "C5", "text_zh": "蒙版以外的背景、未选对象、地面或板面及投射阴影保持输入的RGB外观，不整体调色，也不添加文字或无关内容。" }, { "id": "C6", "text_zh": "输出保留同一完整视频片段的原镜头、构图、物体轨迹、帧顺序、运动节奏和时长，不删段、重排或改写原有事件。" } ], "domains_zh": [ "交通与出行", "建筑与空间场景", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_668", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV668", "modality": "tv2v", "name": "physinone_rgb_instance_mask_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为视频中的运动前景对象逐帧叠加轮廓贴合、跨帧恒色的实例蒙版。重点完成运动实例掩膜、固定身份色、原背景及动态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“运动实例掩膜／固定身份色”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现运动实例掩膜；固定身份色或原背景及动态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "运动实例掩膜已部分实现，任务意图可辨；但固定身份色或原背景及动态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "运动实例掩膜、固定身份色、原背景及动态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "运动实例掩膜、固定身份色、原背景及动态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "识别热成像片段的人体动作类别，并在完整保留原片段的同时添加右侧标签面板。", "criteria": [ { "id": "C1", "text_zh": "根据热成像片段中的人物动作，给出语义匹配的单一片段级动作类别标签。" }, { "id": "C2", "text_zh": "在原画面右侧添加独立标签面板，类别文字在整段持续清晰可读、内容稳定，且面板不覆盖原画面。" }, { "id": "C3", "text_zh": "保留原热成像片段的全部帧、原有顺序和时间进程，人物动作、场景及已有画面信息不被删改，不用静帧或循环片段替代原视频。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_669", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV669", "modality": "tv2v", "name": "darkact_thermal_action_label_panel", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别热成像片段的人体动作类别，并在完整保留原片段的同时添加右侧标签面板。重点完成热成像动作语义、单一可读标签、原片保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“热成像动作语义／单一可读标签”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现热成像动作语义；单一可读标签或原片保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "热成像动作语义已部分实现，任务意图可辨；但单一可读标签或原片保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "热成像动作语义、单一可读标签、原片保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "热成像动作语义、单一可读标签、原片保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Future Trajectories & Interaction Anticipation", "leaf_id": "D4", "leaf_zh": "未来轨迹与交互预期" }, "core_zh": "利用注视标记续写第一视角交互，呈现下一步拿取物体或放置手持物的动作。", "criteria": [ { "id": "C1", "text_zh": "承接输入末段的手部、手持物与场景状态，在同一第一视角中向后续写，而非重播前段或切换到无关视角、场景。" }, { "id": "C2", "text_zh": "拿取提示下，依据注视线索选择相应物体，并呈现它由原支撑位置变为被手拿起的可辨状态变化，不能仅看向或触碰。" }, { "id": "C3", "text_zh": "放置提示下，保持输入手持物的身份，将其移至注视线索所指区域的支撑面，呈现可辨的落放结果。" }, { "id": "C4", "text_zh": "可见动作中，手物接触、搬运与支撑改变在时空上相容，主要物体身份稳定，不通过瞬移、替换或明显穿透来完成取放。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_695", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV695", "modality": "tv2v", "name": "gaze_conditioned_egocentric_interaction_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，利用注视标记续写第一视角交互，呈现下一步拿取物体或放置手持物的动作。重点完成注视所指目标、拿取或放置、手物连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“注视所指目标／拿取或放置”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现注视所指目标；拿取或放置或手物连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "注视所指目标已部分实现，任务意图可辨；但拿取或放置或手物连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "注视所指目标、拿取或放置、手物连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "注视所指目标、拿取或放置、手物连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Goal- & Instruction-conditioned Action Generation", "leaf_id": "D2", "leaf_zh": "目标与指令条件动作生成" }, "core_zh": "按指令续写第一人称厨房操作的紧接后续动作。", "criteria": [ { "id": "C1", "text_zh": "续段紧接输入片尾：手中持物、工具位置与食材加工状态有合理承接，不重置、重播或无因跳过正在进行的步骤。" }, { "id": "C2", "text_zh": "实际推进指令所选步骤：用剪刀剪袋角成直径约1/4英寸小口；用约1汤匙碎香菜装饰供食；厚番茄片单层摆盘；煎饼配切碎草莓供食；或搅拌原碗内容物。" }, { "id": "C3", "text_zh": "保持操作者的可见外观、同一厨房及既有关键器物和食材身份，沿用随身体自然移动的第一人称视角。" }, { "id": "C4", "text_zh": "手、工具与食材的抓握接触及运动符合物理因果，剪切、搬移和搅拌具有可追踪的状态变化，不出现关键对象瞬移、穿透或物料无故增减。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_696", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV696", "modality": "tv2v", "name": "instruction_conditioned_procedural_execution_outcome_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按指令续写第一人称厨房操作的紧接后续动作。重点完成指定厨房步骤、食材和工具、紧邻续接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定厨房步骤／食材和工具”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定厨房步骤；食材和工具或紧邻续接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定厨房步骤已部分实现，任务意图可辨；但食材和工具或紧邻续接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定厨房步骤、食材和工具、紧邻续接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定厨房步骤、食材和工具、紧邻续接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "从视频末帧顺时续写，让原活动发展为意外或失败并呈现即时后果。", "criteria": [ { "id": "C1", "text_zh": "续段从输入末帧的状态和正在进行的动作向前衔接，不重启活动、倒序播放或跳入无关事故片段。" }, { "id": "C2", "text_zh": "原活动演变为可辨认的非故意事故或失败，事件与可见运动、地形及器材相容，并以连贯动作呈现失误到失败结果的过程。" }, { "id": "C3", "text_zh": "事故之后继续呈现紧接着的可见后果，如人物倒地后的滑行或停留、器材散落、车辆翻倒或现场受扰，不能仅到失控前兆或出事瞬间。" }, { "id": "C4", "text_zh": "主体、关键器材和地点仍可辨认为输入中的同一对象与环境，其位置和状态沿动作合理演变，不靠无因替换、消失或换景制造事故结果。" } ], "domains_zh": [ "体育与运动训练", "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_697", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV697", "modality": "tv2v", "name": "pre_failure_unintentional_aftermath_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从视频末帧顺时续写，让原活动发展为意外或失败并呈现即时后果。重点完成意外发生过程、即时后果、同一现场主体，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“意外发生过程／即时后果”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现意外发生过程；即时后果或同一现场主体大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "意外发生过程已部分实现，任务意图可辨；但即时后果或同一现场主体仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "意外发生过程、即时后果、同一现场主体的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "意外发生过程、即时后果、同一现场主体完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "在保持原始内容与时序的前提下，修复视频压缩伪影与受损文字边缘。", "criteria": [ { "id": "C1", "text_zh": "减轻全片可见的压缩块与边缘噪边，使受损文字的笔画和轮廓更清晰，不出现破坏文字或对象细节的明显涂抹及新增假边。" }, { "id": "C2", "text_zh": "保留原有文字、数字、公式和标识的内容与顺序，不因清晰化而增删、改写、翻译或虚构字符。" }, { "id": "C3", "text_zh": "保留原片的布局、配色、对象和空间关系，不增删、替换或重排界面元素、人物、商品、画中画及叠加字幕。" }, { "id": "C4", "text_zh": "保留原时长、事件顺序与发生时点，以及滚动、指针、人物或手部和镜头的运动过程；修复跨帧一致，不新增文字闪变、拖影、冻结或跳变。" } ], "domains_zh": [ "图文、界面与符号系统", "人类活动与交互", "物体与产品场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_738", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV738", "modality": "tv2v", "name": "compressed_text_video_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持原始内容与时序的前提下，修复视频压缩伪影与受损文字边缘。重点完成压缩修复、文字内容保真、时间连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“压缩修复／文字内容保真”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现压缩修复；文字内容保真或时间连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "压缩修复已部分实现，任务意图可辨；但文字内容保真或时间连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "压缩修复、文字内容保真、时间连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "压缩修复、文字内容保真、时间连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Depth, Disparity & Range Structure", "leaf_id": "G1", "leaf_zh": "深度、视差与距离结构" }, "core_zh": "将RGB视频转换为场景与时序对应、近暗远亮且尺度稳定的光轴深度灰度表示。", "criteria": [ { "id": "C1", "text_zh": "输出近暗远亮的光轴深度灰度，主要层次与表面连续性正确。" }, { "id": "C2", "text_zh": "保持场景视点、人物姿态和遮挡关系。" }, { "id": "C3", "text_zh": "跨帧灰度尺度稳定，深度随原动态更新。" } ], "domains_zh": [ "人类活动与交互", "建筑与空间场景", "自然环境与地球观测", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_742", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV742", "modality": "tv2v", "name": "synthetic_rgb_to_metric_depth_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将RGB视频转换为场景与时序对应、近暗远亮且尺度稳定的光轴深度灰度表示。重点完成光轴深度灰度、近暗远亮、场景几何与动态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“光轴深度灰度／近暗远亮”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现光轴深度灰度；近暗远亮或场景几何与动态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "光轴深度灰度已部分实现，任务意图可辨；但近暗远亮或场景几何与动态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "光轴深度灰度、近暗远亮、场景几何与动态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "光轴深度灰度、近暗远亮、场景几何与动态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "在原篮球视频上为可见球员叠加二维姿态骨架和身份一致的跟踪框。", "criteria": [ { "id": "C1", "text_zh": "主要可辨球员分别有姿态骨架和跟踪框，裁判观众不随意纳入。" }, { "id": "C2", "text_zh": "骨架贴合身体结构与动作，框落在正确球员范围。" }, { "id": "C3", "text_zh": "可关联时保持身份，切镜或离画时合理更新。" }, { "id": "C4", "text_zh": "保留比赛过程，不要求隐藏官方关节点坐标和ID原样一致。" } ], "domains_zh": [ "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_743", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV743", "modality": "tv2v", "name": "basketball_pose_track_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原篮球视频上为可见球员叠加二维姿态骨架和身份一致的跟踪框。重点完成球员骨架与框、身份对应、比赛时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“球员骨架与框／身份对应”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现球员骨架与框；身份对应或比赛时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "球员骨架与框已部分实现，任务意图可辨；但身份对应或比赛时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "球员骨架与框、身份对应、比赛时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "球员骨架与框、身份对应、比赛时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "在指定时刻为心脏超声叠加可辨心壁区域，并显示同步时间轴和标注状态。", "criteria": [ { "id": "C1", "text_zh": "在Prompt指定的采样时刻显示对应心壁区域，其他时刻不随意传播标注。" }, { "id": "C2", "text_zh": "红色半透明区域和黄色轮廓大致贴合该时刻心壁及监督所指区域。" }, { "id": "C3", "text_zh": "时间轴、当前帧和标注状态相互对应，原超声保持。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_744", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV744", "modality": "tv2v", "name": "echocardiography_sparse_expert_wall_annotation_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在指定时刻为心脏超声叠加可辨心壁区域，并显示同步时间轴和标注状态。重点完成指定帧的心壁区域、红掩膜黄轮廓、时间轴与开关，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定帧的心壁区域／红掩膜黄轮廓”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定帧的心壁区域；红掩膜黄轮廓或时间轴与开关大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定帧的心壁区域已部分实现，任务意图可辨；但红掩膜黄轮廓或时间轴与开关仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定帧的心壁区域、红掩膜黄轮廓、时间轴与开关的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定帧的心壁区域、红掩膜黄轮廓、时间轴与开关完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "以初始天空图为首帧，将天气雷达时序转译为固定屋顶视角的天空演变视频。", "criteria": [ { "id": "C1", "text_zh": "输出首帧与 Reference 的天空内容和构图一致，包括初始云况、可见太阳位置及屋顶边缘。" }, { "id": "C2", "text_zh": "全段维持参考图的固定屋顶鱼眼视角、圆形视场及地平线与建筑轮廓，不出现机位漂移或场景替换。" }, { "id": "C3", "text_zh": "输出为天空摄影视频，不叠入雷达图或照搬其假彩色；结合初始云况使用回波强弱线索，不把背景空白机械解释为无云。" }, { "id": "C4", "text_zh": "在同一场景内连贯续演云况、光照及可见太阳的位置；晴空允许云况基本稳定，薄云或阴云的变化应连贯，不能以整段静帧或无依据的天气跳变替代时序。" }, { "id": "C5", "text_zh": "保留 Reference 的时间起点，按雷达源时间的顺序和相对跨度延续天空时间戳，保持约三十分钟的配对关系，不用播放秒数替代观测时刻。" } ], "domains_zh": [ "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_88", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV88", "modality": "rv2v", "name": "radar echo to ground sky", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，以初始天空图为首帧，将天气雷达时序转译为固定屋顶视角的天空演变视频。重点完成参考初始天空、雷达相关云况、固定机位演变，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考初始天空／雷达相关云况”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考初始天空；雷达相关云况或固定机位演变大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考初始天空已部分实现，任务意图可辨；但雷达相关云况或固定机位演变仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考初始天空、雷达相关云况、固定机位演变的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考初始天空、雷达相关云况、固定机位演变完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "依据演示和图例，从当前可见状态续写合法、连贯的算法执行过程直至输出。", "criteria": [ { "id": "C1", "text_zh": "保持当前可见输入值、节点身份和已完成历史，不重启或改写问题。" }, { "id": "C2", "text_zh": "按相应算法规则从末态继续合法步骤，数值计算和状态转移自洽。" }, { "id": "C3", "text_zh": "图例、索引、探针和高亮表达当前状态，最后给出正确对应的结果。" }, { "id": "C4", "text_zh": "未指定的平局规则或隐藏内部状态允许相容的合法执行，不要求唯一历史轨迹复刻。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_241", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV241", "modality": "rv2v", "name": "classical_algorithm_execution_trace_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据演示和图例，从当前可见状态续写合法、连贯的算法执行过程直至输出。重点完成算法状态和输入、合法执行步骤、连贯终态输出，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“算法状态和输入／合法执行步骤”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现算法状态和输入；合法执行步骤或连贯终态输出大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "算法状态和输入已部分实现，任务意图可辨；但合法执行步骤或连贯终态输出仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "算法状态和输入、合法执行步骤、连贯终态输出的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "算法状态和输入、合法执行步骤、连贯终态输出完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "将参考视频的一次性车辆圈选转化为原视频上的持续同色框与渐隐历史轨迹。", "criteria": [ { "id": "C1", "text_zh": "跟踪参考中可明确辨认的圈选车辆，颜色和身份稳定。" }, { "id": "C2", "text_zh": "框和近期渐隐轨迹随对应车辆更新，遮挡或缺测不强连。" }, { "id": "C3", "text_zh": "保留原视频，不照搬圈选图层作为结果。" }, { "id": "C4", "text_zh": "参考中的对象选择应与输出跟踪身份对应，不擅自换车；局部标记不清不改变其他明确对象的跟踪要求。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_364", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV364", "modality": "rv2v", "name": "aerial_vehicle_trajectory_overlay", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，将参考视频的一次性车辆圈选转化为原视频上的持续同色框与渐隐历史轨迹。重点完成圈选车辆身份、同色框和渐隐轨迹、可见性跟随，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“圈选车辆身份／同色框和渐隐轨迹”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现圈选车辆身份；同色框和渐隐轨迹或可见性跟随大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "圈选车辆身份已部分实现，任务意图可辨；但同色框和渐隐轨迹或可见性跟随仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "圈选车辆身份、同色框和渐隐轨迹、可见性跟随的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "圈选车辆身份、同色框和渐隐轨迹、可见性跟随完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "依据倒水视频估计接水容器充盈等级，并逐帧添加四级溢出状态可视化。", "criteria": [ { "id": "C1", "text_zh": "保留倒水原过程，并展示参考定义的四等级及唯一当前高亮。" }, { "id": "C2", "text_zh": "状态随可见水位从安全、接近满到溢出合理变化。" }, { "id": "C3", "text_zh": "等级色和顺序正确，不把明显溢出判为安全。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_439", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV439", "modality": "rv2v", "name": "reference_guided_liquid_pouring_overflow_status_visualization", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，依据倒水视频估计接水容器充盈等级，并逐帧添加四级溢出状态可视化。重点完成容器充盈状态、四等级唯一高亮、倒水时序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“容器充盈状态／四等级唯一高亮”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现容器充盈状态；四等级唯一高亮或倒水时序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "容器充盈状态已部分实现，任务意图可辨；但四等级唯一高亮或倒水时序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "容器充盈状态、四等级唯一高亮、倒水时序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "容器充盈状态、四等级唯一高亮、倒水时序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Natural & System-State Forecasting", "leaf_id": "D3", "leaf_zh": "自然及系统状态预测" }, "core_zh": "根据交通图例和已观察的一小时交通地图序列，预测下一小时的城市交通状态。", "criteria": [ { "id": "C1", "text_zh": "预测观察小时之后的交通状态，主要道路的流量强弱、速度档位及其变化与后续监督可辨的主要时空模式相符，而不只是回放历史帧或改变外观。" }, { "id": "C2", "text_zh": "沿用图例约定的源网格及输入地图的地理范围、路段位置和方位；交通状态变化不应造成地图平移、旋转、镜像或路网重排。" }, { "id": "C3", "text_zh": "遵循图例的方向子格布局（上排NW/NE、下排SW/SE），用图例八档配色表示速度码、亮度表示流量，黑色表示零流量。" }, { "id": "C4", "text_zh": "仅输出紧接观察小时的12帧交通预测，按时间顺序对应连续的5分钟物理时间步、覆盖下一小时，并保持与输入相同的展示帧率。" }, { "id": "C5", "text_zh": "预测视频仅呈现交通地图，不将独立参考图例叠加、拼贴或插入为片头片尾。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_488", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV488", "modality": "rv2v", "name": "urban_traffic_flow_nowcasting", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，根据交通图例和已观察的一小时交通地图序列，预测下一小时的城市交通状态。重点完成未来交通流量速度、方向子格与图例、固定路网和时间，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“未来交通流量速度／方向子格与图例”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现未来交通流量速度；方向子格与图例或固定路网和时间大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "未来交通流量速度已部分实现，任务意图可辨；但方向子格与图例或固定路网和时间仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "未来交通流量速度、方向子格与图例、固定路网和时间的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "未来交通流量速度、方向子格与图例、固定路网和时间完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Novel-view & Camera-path Synthesis", "leaf_id": "V1", "leaf_zh": "新视点与运镜轨迹合成" }, "core_zh": "将参考视频的相机运动迁移到输入场景，生成内容与动作保持的新视角视频。", "criteria": [ { "id": "C1", "text_zh": "将参考中可辨的运镜方向、幅度趋势和时间进程用于输入场景，而非沿用原运镜或只匹配终点。" }, { "id": "C2", "text_zh": "保留输入场景、主体身份与辨识性外观，以及已知物体的空间关系；不引入参考场景、主体或物件。" }, { "id": "C3", "text_zh": "有可见动作或事件时，其内容、发生时刻及节奏须与输入一致，不能因换视角而冻结、重排或变速。" }, { "id": "C4", "text_zh": "新视角中的透视、遮挡与结构变化须连贯合理；新露出内容与输入的几何、材质和环境相容，并在后续画面中保持一致。" } ], "domains_zh": [ "建筑与空间场景", "自然环境与地球观测", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "rv2v:Task_563", "in_bench170": false, "input_fields": [ "Input", "Reference", "Prompt" ], "label": "RV563", "modality": "rv2v", "name": "reference_guided_camera_motion_transfer", "reference_scope": "Dataset: task-provided Reference, including structured formats", "requirement_zh": "根据Input＋Reference（该任务提供的参考信息）＋Prompt，将参考视频的相机运动迁移到输入场景，生成内容与动作保持的新视角视频。重点完成参考运镜、原场景主体、新视角空间与时间一致，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“参考运镜／原场景主体”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现参考运镜；原场景主体或新视角空间与时间一致大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "参考运镜已部分实现，任务意图可辨；但原场景主体或新视角空间与时间一致仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "参考运镜、原场景主体、新视角空间与时间一致的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "参考运镜、原场景主体、新视角空间与时间一致完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "根据意外事件的后果视频，回溯生成导致该局面的紧邻前一段视频。", "criteria": [ { "id": "C1", "text_zh": "输出同一意外事件紧邻输入之前的视频片段，片内按正常时间顺序发展，而不是倒放输入、重复后果或生成事后续篇。" }, { "id": "C2", "text_zh": "保持输入中可辨认的事件主体、关键物件、场景布局及拍摄视点关系，使前段可识别为同一现场、同一次事件。" }, { "id": "C3", "text_zh": "呈现与输入相容的关键前置动作，能解释轮罩状物接近骑手、人猴接触或行人跌倒散物的局面，不用无关事故或明显蓄意破坏替代意外发展。" }, { "id": "C4", "text_zh": "前段末尾在关键主体位置、姿态、物件状态和运动方向上能够接入输入开头；片内不能出现破坏因果链的主体突变、状态跳跃或物件凭空增减。" } ], "domains_zh": [ "交通与出行", "人类活动与交互", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_19", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV19", "modality": "tv2v", "name": "oops_reverse_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，根据意外事件的后果视频，回溯生成导致该局面的紧邻前一段视频。重点完成意外前置原因、同一现场、与已知后果衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“意外前置原因／同一现场”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现意外前置原因；同一现场或与已知后果衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "意外前置原因已部分实现，任务意图可辨；但同一现场或与已知后果衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "意外前置原因、同一现场、与已知后果衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "意外前置原因、同一现场、与已知后果衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Language, Vision & Symbol Transcription", "leaf_id": "X2", "leaf_zh": "语言、视觉与符号转写" }, "core_zh": "将视频中的英文字幕转为语义匹配的手语表演。", "criteria": [ { "id": "C1", "text_zh": "生成可见的手语者及动态手语表演，而不是仅保留黑底字幕或添加静态人物。" }, { "id": "C2", "text_zh": "手语完整、准确传达对应英文字幕；涉及专名、术语、数量、条件、否定、方向或先后关系时，不遗漏或改变这些信息。" }, { "id": "C3", "text_zh": "原样保留英文字幕的文字、标点和语句顺序，并保持可读；不删改、翻译替换或用新增内容覆盖原文。" }, { "id": "C4", "text_zh": "保持输入字幕的显示时段及切换时刻（如有），让手语语段与对应字幕时段匹配，不因生成表演而平移、拉伸或截断字幕时间轴。" }, { "id": "C5", "text_zh": "承担表意的手型、朝向、位置、运动和面部表情可辨且前后连贯，不因遮挡、畸变、动作跳变或无关循环破坏手语表达。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_22", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV22", "modality": "tv2v", "name": "speech to sign", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将视频中的英文字幕转为语义匹配的手语表演。重点完成英文句义、动态手语表达、字幕与语段对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“英文句义／动态手语表达”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现英文句义；动态手语表达或字幕与语段对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "英文句义已部分实现，任务意图可辨；但动态手语表达或字幕与语段对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "英文句义、动态手语表达、字幕与语段对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "英文句义、动态手语表达、字幕与语段对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "按指定动作顺序重排完整视频片段，重复动作的片段保持输入相对顺序。", "criteria": [ { "id": "C1", "text_zh": "输出视频的片段动作序列逐项符合对应提示；重复动作也须出现在指定的各个位置。" }, { "id": "C2", "text_zh": "全部输入片段一一进入输出，各用且仅用一次，不新增、漏用、复制或以同类新画面替换原片段。" }, { "id": "C3", "text_zh": "仅改变片段间的排列；各段完整、连续地保留，起止内容、时长和内部播放次序不变，不裁剪、交叉拆散、倒放、变速或改写原有场景与动作。" }, { "id": "C4", "text_zh": "同类动作有多个原片段时，依它们在输入中的相对顺序，依次填入该动作在指定序列中的各次出现位置。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "体育与运动训练", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_33", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV33", "modality": "tv2v", "name": "narrative reordering", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按指定动作顺序重排完整视频片段，重复动作的片段保持输入相对顺序。重点完成指定动作顺序、完整原片段、重复类别相对顺序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定动作顺序／完整原片段”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定动作顺序；完整原片段或重复类别相对顺序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定动作顺序已部分实现，任务意图可辨；但完整原片段或重复类别相对顺序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定动作顺序、完整原片段、重复类别相对顺序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定动作顺序、完整原片段、重复类别相对顺序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "承接输入末态，续写同一延时场景的后续变化。", "criteria": [ { "id": "C1", "text_zh": "从输入末态紧邻续写后续延时变化，不重播原片或跳过关键转化阶段。" }, { "id": "C2", "text_zh": "保持原有主体身份、环境布局及空间关系，沿用输入的机位与构图趋势，不无故换景、替换主体或引入无关对象。" }, { "id": "C3", "text_zh": "以与输入相容的延时节奏推进原有趋势：冰块继续融化、植株生长展叶，或砂面绿色主体的露出部分缓慢变小。" }, { "id": "C4", "text_zh": "续段内部的主体形态、位置、部件连接及环境接触关系连贯演变，不出现破坏同一转化过程的瞬移、结构突变或无因倒退。" } ], "domains_zh": [ "自然环境与地球观测", "物理与科学系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_40", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV40", "modality": "tv2v", "name": "plant flowering timelapse prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，承接输入末态，续写同一延时场景的后续变化。重点完成原延时趋势、同一场景主体、后续转化连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“原延时趋势／同一场景主体”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现原延时趋势；同一场景主体或后续转化连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "原延时趋势已部分实现，任务意图可辨；但同一场景主体或后续转化连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "原延时趋势、同一场景主体、后续转化连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "原延时趋势、同一场景主体、后续转化连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将机器人操作的外部视角视频转换为同一过程的同步腕部视角视频。", "criteria": [ { "id": "C1", "text_zh": "输出呈现随机器人腕部平移和转动的操作视野，夹爪与镜头保持腕部安装应有的相对关系，而非外部画面的简单裁剪或缩放。" }, { "id": "C2", "text_zh": "在腕部可见范围内，保留同一机器人、关键物体的身份及可核验的场景关系，不互换对象、凭空新增或遗漏应可见的关键物体。" }, { "id": "C3", "text_zh": "输出覆盖与输入相同的操作时间段；腕部姿态、夹爪开合和物体状态在可核验时点对应，接近、接触、提起或退离等适用阶段不缺失、不改序、无明显错时。" }, { "id": "C4", "text_zh": "新视角中的透视、尺度与遮挡变化应空间自洽，夹爪和物体的结构及相对运动跨帧连贯，不出现改变交互含义的穿透、无依据的结构突变或空间跳位。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_251", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV251", "modality": "tv2v", "name": "Real Robot Cross-View Translation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将机器人操作的外部视角视频转换为同一过程的同步腕部视角视频。重点完成腕部观察视角、同一机器人操作、同步空间重建，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“腕部观察视角／同一机器人操作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现腕部观察视角；同一机器人操作或同步空间重建大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "腕部观察视角已部分实现，任务意图可辨；但同一机器人操作或同步空间重建仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "腕部观察视角、同一机器人操作、同步空间重建的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "腕部观察视角、同一机器人操作、同步空间重建完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "在指定动作起点插入首帧定格与动作名称卡，再续播原片段。", "criteria": [ { "id": "C1", "text_zh": "在语义上对应所指动作起始的位置插入可感知停帧。" }, { "id": "C2", "text_zh": "名称卡准确说明动作及必要对象，而非隐藏官方词条复写。" }, { "id": "C3", "text_zh": "展示后从暂停处继续原动作，不改写场景和顺序。" }, { "id": "C4", "text_zh": "少量边界帧差异不判为动作识别失败。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_282", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV282", "modality": "tv2v", "name": "cooking next annotation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在指定动作起点插入首帧定格与动作名称卡，再续播原片段。重点完成动作起点定格、准确动作名、停帧后原片续播，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“动作起点定格／准确动作名”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现动作起点定格；准确动作名或停帧后原片续播大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "动作起点定格已部分实现，任务意图可辨；但准确动作名或停帧后原片续播仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "动作起点定格、准确动作名、停帧后原片续播的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "动作起点定格、准确动作名、停帧后原片续播完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "理解视频中的动作、反应或目的，并把问题答案叠加到视频底部固定横幅中。", "criteria": [ { "id": "C1", "text_zh": "正确对应问题指定的主体与事件时序，给出视频支持的动作、反应或目的，不以复述问题或无关场景描述代替答案。" }, { "id": "C2", "text_zh": "将答案作为清晰可读的文字写入视频底部固定横幅，并在全片保持答案内容、横幅位置与呈现方式稳定。" }, { "id": "C3", "text_zh": "编辑仅限于底部答案横幅，保留原视频的人物、动物、物件、场景、动作进程和镜头时序。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_311", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV311", "modality": "tv2v", "name": "causal_video_question_answer_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，理解视频中的动作、反应或目的，并把问题答案叠加到视频底部固定横幅中。重点完成问题对应答案、视频证据、稳定底部横幅，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“问题对应答案／视频证据”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现问题对应答案；视频证据或稳定底部横幅大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "问题对应答案已部分实现，任务意图可辨；但视频证据或稳定底部横幅仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "问题对应答案、视频证据、稳定底部横幅的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "问题对应答案、视频证据、稳定底部横幅完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "从原视频中定位并截取自然语言事件描述所对应的连续片段。", "criteria": [ { "id": "C1", "text_zh": "所选片段对应提示描述的人物、动作或状态，而不只是包含相同场景或相似活动。" }, { "id": "C2", "text_zh": "裁切范围覆盖事件的关键阶段并排除大段无关头尾；描述含多个阶段时，须保留其关键阶段及先后关系，例如落地后翻滚、滑行后扫冰。" }, { "id": "C3", "text_zh": "输出取自输入视频的单一连续时间区间，保留区间内原有画面内容与动作时序，不另行拼接不相邻时段、重演、重排或用定格替换原内容。" } ], "domains_zh": [ "体育与运动训练", "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_345", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV345", "modality": "tv2v", "name": "activitynet_caption_guided_event_clip_extraction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从原视频中定位并截取自然语言事件描述所对应的连续片段。重点完成描述所指事件、关键阶段覆盖、单一连续裁切，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“描述所指事件／关键阶段覆盖”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现描述所指事件；关键阶段覆盖或单一连续裁切大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "描述所指事件已部分实现，任务意图可辨；但关键阶段覆盖或单一连续裁切仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "描述所指事件、关键阶段覆盖、单一连续裁切的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "描述所指事件、关键阶段覆盖、单一连续裁切完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "识别视频中的细粒度人—物动作，并在保留原视频的前提下全程叠加左上角动作标签。", "criteria": [ { "id": "C1", "text_zh": "用简短标签准确指出片段的主要动作及相关对象，不能仅罗列物体或使用“操作物体”等笼统说法。" }, { "id": "C2", "text_zh": "保留决定动作类别的状态和关系，包括展示物体为空、假装取出或放在旁边、移开遮挡以露出后方物体，不能混淆假装与实际完成。" }, { "id": "C3", "text_zh": "动作标签以紧凑、可读的文字叠加在画面左上角，自首帧至末帧持续呈现，标签内容与位置保持稳定。" }, { "id": "C4", "text_zh": "除角标的必要局部覆盖外，保留原片的人物、物体、背景、构图、动作及镜头运动，不替换或增删场景内容。" }, { "id": "C5", "text_zh": "完整保留原片的起止范围、时长、事件顺序和播放节奏，不截短、增段、重排，或用静帧和循环替代原有过程。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_365", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV365", "modality": "tv2v", "name": "clip_action_recognition_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中的细粒度人—物动作，并在保留原视频的前提下全程叠加左上角动作标签。重点完成细粒度动作语义、关键状态关系、稳定角标，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“细粒度动作语义／关键状态关系”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现细粒度动作语义；关键状态关系或稳定角标大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "细粒度动作语义已部分实现，任务意图可辨；但关键状态关系或稳定角标仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "细粒度动作语义、关键状态关系、稳定角标的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "细粒度动作语义、关键状态关系、稳定角标完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Object & Query-point Tracking", "leaf_id": "M1", "leaf_zh": "对象与查询点跟踪" }, "core_zh": "追踪选定行人，依据完整框高逐帧改色标注，并生成同步的全片尺寸档时间线。", "criteria": [ { "id": "C1", "text_zh": "始终跟踪指定同一行人，框的范围和位置随其变化。" }, { "id": "C2", "text_zh": "按可见尺度及Prompt档位意图区分小、中、大，颜色对应。" }, { "id": "C3", "text_zh": "全片尺寸时间线及当前游标与框色变化大致同步。" }, { "id": "C4", "text_zh": "保留原片，不以框边缘一两像素差导致的临界档位跳变作为核心失败。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_370", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV370", "modality": "tv2v", "name": "pedestrian_scale_transition_timeline", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，追踪选定行人，依据完整框高逐帧改色标注，并生成同步的全片尺寸档时间线。重点完成同一行人、可见大小分档、全片时间线同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“同一行人／可见大小分档”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现同一行人；可见大小分档或全片时间线同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "同一行人已部分实现，任务意图可辨；但可见大小分档或全片时间线同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "同一行人、可见大小分档、全片时间线同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "同一行人、可见大小分档、全片时间线同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Annotation Rendering & Spatiotemporal Alignment", "leaf_id": "X3", "leaf_zh": "标注呈现与时空对齐" }, "core_zh": "在双夹爪操作视频下方展示左右开合读数、各自变化轨迹和近静态提示。", "criteria": [ { "id": "C1", "text_zh": "左右夹爪通道清楚区分，读数和曲线各自跟随开合变化。" }, { "id": "C2", "text_zh": "当前点、数值和轨迹同步，开闭方向及大致幅度合理。" }, { "id": "C3", "text_zh": "近静态提示仅用于变化很小的片段，不将明显开合作为静止。" }, { "id": "C4", "text_zh": "保留原操作，不要求从RGB反推原始角度符号标定、0.005rad阈值或精确传感器读数。" } ], "domains_zh": [ "机器人与自主体" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_377", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV377", "modality": "tv2v", "name": "visible_dual_gripper_openness_state_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在双夹爪操作视频下方展示左右开合读数、各自变化轨迹和近静态提示。重点完成左右夹爪开合、各自曲线和读数、近静态与播放同步，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左右夹爪开合／各自曲线和读数”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左右夹爪开合；各自曲线和读数或近静态与播放同步大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左右夹爪开合已部分实现，任务意图可辨；但各自曲线和读数或近静态与播放同步仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左右夹爪开合、各自曲线和读数、近静态与播放同步的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左右夹爪开合、各自曲线和读数、近静态与播放同步完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Weather & Visibility Restoration", "leaf_id": "R5", "leaf_zh": "天气与可见度退化去除" }, "core_zh": "去除视频中的时序雨纹干扰，恢复原有干净画面。", "criteria": [ { "id": "C1", "text_zh": "去除覆盖主体与背景的可见雨丝、雨点干扰，使各镜头不再有明显雨纹遮挡。" }, { "id": "C2", "text_zh": "保留原有主体、物体和文字图形内容，复原雨纹遮挡处的轮廓与纹理，不增删对象、改写文字或明显磨平细节。" }, { "id": "C3", "text_zh": "保持原有主体动作、物体与镜头运动，以及镜头顺序和转场过程，不冻结画面、改速、改轨迹或重排片段。" }, { "id": "C4", "text_zh": "保持原取景范围、视角与构图，以及原有照明、阴影和明暗变化，不额外裁切、改换视角或重新布光。" }, { "id": "C5", "text_zh": "去雨与细节复原在相邻帧间保持一致，不新增闪烁、拖影、轮廓跳动或纹理漂移。" } ], "domains_zh": [ "自然环境与地球观测", "人类活动与交互", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_405", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV405", "modality": "tv2v", "name": "temporally_consistent_rain_restoration", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，去除视频中的时序雨纹干扰，恢复原有干净画面。重点完成雨纹去除、真实细节、原场景光照和动态，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“雨纹去除／真实细节”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现雨纹去除；真实细节或原场景光照和动态大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "雨纹去除已部分实现，任务意图可辨；但真实细节或原场景光照和动态仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "雨纹去除、真实细节、原场景光照和动态的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "雨纹去除、真实细节、原场景光照和动态完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Language, Vision & Symbol Transcription", "leaf_id": "X2", "leaf_zh": "语言、视觉与符号转写" }, "core_zh": "从无声视频唇读六词话语，并在原视频上生成与说话同步的累积字幕。", "criteria": [ { "id": "C1", "text_zh": "字幕准确呈现该片段的六词英文原话，依次对应命令、颜色、介词、字母、数字和副词，具体词项与顺序正确，不增删或为通顺改写。" }, { "id": "C2", "text_zh": "将转写作为可读字幕叠加在视频中，随对应词说出逐词追加，并持续保留此前全部词；不能预先贴出整句或只显示当前词。" }, { "id": "C3", "text_zh": "完整字幕保持至话语结束后才整体清空，随后恢复无字幕画面。" }, { "id": "C4", "text_zh": "除字幕叠加外，保留输入人物、口型与头部动作、背景和视频时序，不换人、改口型、截断原片或用静帧替代。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_412", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV412", "modality": "tv2v", "name": "grid_visual_lipreading_to_word_timed_subtitle_video", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，从无声视频唇读六词话语，并在原视频上生成与说话同步的累积字幕。重点完成六词唇读内容、词序和语义、累积字幕时机，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“六词唇读内容／词序和语义”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现六词唇读内容；词序和语义或累积字幕时机大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "六词唇读内容已部分实现，任务意图可辨；但词序和语义或累积字幕时机仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "六词唇读内容、词序和语义、累积字幕时机的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "六词唇读内容、词序和语义、累积字幕时机完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "按文字指定的光照风格与屏幕方向，为原视频重打光并保留场景内容和运动。", "criteria": [ { "id": "C1", "text_zh": "实现当前Prompt指定的光照风格、明暗分布、色温和对比关系。" }, { "id": "C2", "text_zh": "光照方向及作用区域符合当前指令，受光、阴影与反射相互协调。" }, { "id": "C3", "text_zh": "除照明造成的外观变化外，保留原片主体身份、数量、主要形态、场景布局及镜头和动作进程，不因改光而换人、改物或更换场景。" }, { "id": "C4", "text_zh": "重打光效果贯穿片段，光色、阴影及反射随主体和镜头运动连贯变化，不出现无故亮度跳变、闪烁或光斑漂移。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_444", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV444", "modality": "tv2v", "name": "Text-guided directional relighting", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指定的光照风格与屏幕方向，为原视频重打光并保留场景内容和运动。重点完成指定光照方向风格、原场景、动态光影协调，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定光照方向风格／原场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定光照方向风格；原场景或动态光影协调大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定光照方向风格已部分实现，任务意图可辨；但原场景或动态光影协调仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定光照方向风格、原场景、动态光影协调的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定光照方向风格、原场景、动态光影协调完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Style, Lighting & Weather Appearance", "leaf_id": "E2", "leaf_zh": "风格、光照与天气外观" }, "core_zh": "按文字指令改变视频的天气、时段光照及相关环境效果，保留原场景和主要活动。", "criteria": [ { "id": "C1", "text_zh": "保留输入主要人物与物体的身份、场景结构及主要动作和镜头进程，不能借天气编辑换掉主体、地点或事件。" }, { "id": "C2", "text_zh": "夜景指令下，呈现较暗、偏冷的夜间环境光，主体仍可辨认且受光协调；原构图若露出天空，应为清朗夜空。" }, { "id": "C3", "text_zh": "旋叶指令下，新增可辨认的干叶，表现轻阵风中的旋转飘动，并与原场景的透视、遮挡及地面关系协调，不能仅静态铺叶。" }, { "id": "C4", "text_zh": "雨后雾指令下，呈现从低处升起的薄雾、柔化的光线和被雾部分遮蔽的树木，形成清凉湿润感，而非仅将全画面模糊。" }, { "id": "C5", "text_zh": "黄金时刻指令下，呈现金黄暖光，场景物体的受光、阴影及可见水面反射与之协调，不能只孤立改变天空颜色。" }, { "id": "C6", "text_zh": "风雨指令下，呈现阴天环境、明显向侧方倾斜的雨丝，且可见水面有相应雨纹，不能以单纯变暗或垂直落雨替代。" }, { "id": "C7", "text_zh": "所选天气或时段状态贯穿视频，效果随镜头和原有动作保持空间关系，无明显光色闪变、效果突失或主体与背景形体漂移。" } ], "domains_zh": [ "人类活动与交互", "建筑与空间场景", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_445", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV445", "modality": "tv2v", "name": "Instruction-guided weather editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文字指令改变视频的天气、时段光照及相关环境效果，保留原场景和主要活动。重点完成指定天气时段、相关环境效果、主体和连续性，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定天气时段／相关环境效果”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定天气时段；相关环境效果或主体和连续性大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定天气时段已部分实现，任务意图可辨；但相关环境效果或主体和连续性仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定天气时段、相关环境效果、主体和连续性的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定天气时段、相关环境效果、主体和连续性完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Content & Appearance Editing", "family_id": "E", "family_zh": "内容与外观编辑", "leaf_en": "Object, Background & Canvas Editing", "leaf_id": "E1", "leaf_zh": "对象、背景与画幅编辑" }, "core_zh": "按文本指令在原视频的指定主体或位置添加动态视觉特效。", "criteria": [ { "id": "C1", "text_zh": "添加可辨识的提示指定特效：熔岩、爆炸、魔法粒子、霓虹光环或火焰，不能只用全局调色代替特效。" }, { "id": "C2", "text_zh": "特效作用于指定对象和部位：花朵、堆场中央箱堆、男子上身及肩部、以球桌中心为轴的周围空间，或女子身上，而非无关对象。" }, { "id": "C3", "text_zh": "特效随时间连贯变化并保持空间跟随；爆炸带燃烧碎屑向上喷发、浓烟向外扩散，男子粒子顺时针环绕上身，球桌霓虹环沿水平轨道顺时针旋转。" }, { "id": "C4", "text_zh": "落实所需强度与光照交互：爆炸强烈；男子粒子为中等强度并带微弱金光；球桌霓虹环具有中等鲜明辉光，并在台球和球员上形成可辨的彩色反射。" }, { "id": "C5", "text_zh": "保留输入的主体身份、基本场景布局、主要动作和镜头关系，不因添加特效而无关换人、换景或改写主体行为。" } ], "domains_zh": [ "自然环境与地球观测", "建筑与空间场景", "人类活动与交互", "体育与运动训练" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_447", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV447", "modality": "tv2v", "name": "Instruction-guided VFX editing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，按文本指令在原视频的指定主体或位置添加动态视觉特效。重点完成指定特效与目标、动态方向、场景光影交互，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定特效与目标／动态方向”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定特效与目标；动态方向或场景光影交互大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定特效与目标已部分实现，任务意图可辨；但动态方向或场景光影交互仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定特效与目标、动态方向、场景光影交互的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定特效与目标、动态方向、场景光影交互完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "理解视频内容并回答问题，把答案呈现在原视频下方的独立面板中。", "criteria": [ { "id": "C1", "text_zh": "保留原视频的主体、场景、关键动作和事件顺序，允许为布局缩放，但不能以静帧、缺失关键片段或改写情节代替原片。" }, { "id": "C2", "text_zh": "在视频画面下方设置独立区域，完整、清晰地显示答案文字，而非将答案叠压在视频画面上或仅在视频外回复。" }, { "id": "C3", "text_zh": "描述须交代被问片段的关键事件与主体关系，而不只说“有趣”或“神奇”：本组对应猫从门后伸爪够玩具、摇番茄酱瓶意外溅到用餐者、男子仿佛取下云朵并送入口中。" }, { "id": "C4", "text_zh": "命名评分类问题须同时给出贴合视频创意内容的标题和明确的0—20分创意评分，不能漏项、越界或使用与表演无关的标题。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_461", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV461", "modality": "tv2v", "name": "funqa", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，理解视频内容并回答问题，把答案呈现在原视频下方的独立面板中。重点完成视频理解答案、题目所需标题或评分、独立下方面板，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“视频理解答案／题目所需标题或评分”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现视频理解答案；题目所需标题或评分或独立下方面板大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "视频理解答案已部分实现，任务意图可辨；但题目所需标题或评分或独立下方面板仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "视频理解答案、题目所需标题或评分、独立下方面板的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "视频理解答案、题目所需标题或评分、独立下方面板完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Language, Vision & Symbol Transcription", "leaf_id": "X2", "leaf_zh": "语言、视觉与符号转写" }, "core_zh": "识别视频中的空中书写内容，并在保留原视频的同时全程叠加完整原文。", "criteria": [ { "id": "C1", "text_zh": "转写与输入空中书写的完整文本相符，保持原语言、字符顺序和适用的字母大小写，不翻译、改写或增漏字。" }, { "id": "C2", "text_zh": "顶部中央持续显示完整且可读的同一转写，不以逐字动画、另设书写板或结束标记替代。" }, { "id": "C3", "text_zh": "除文字叠加外，保留输入的人物、场景、书写动作及完整帧序和时序，不删减书写过程、重排、变速或替换镜头。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_464", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV464", "modality": "tv2v", "name": "air_writing_transcription", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，识别视频中的空中书写内容，并在保留原视频的同时全程叠加完整原文。重点完成空中书写文本、原语言字符顺序、完整可读叠字，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“空中书写文本／原语言字符顺序”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现空中书写文本；原语言字符顺序或完整可读叠字大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "空中书写文本已部分实现，任务意图可辨；但原语言字符顺序或完整可读叠字仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "空中书写文本、原语言字符顺序、完整可读叠字的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "空中书写文本、原语言字符顺序、完整可读叠字完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "续接同一细胞显微视野的缺失通道，并按指定顺序进行伪彩色展示。", "criteria": [ { "id": "C1", "text_zh": "与输入衔接后形成DNA→RNA→ER→AGP→Mito序列，三个新增通道分别有可辨的展示阶段，不缺失、倒序或仅以多色叠图替代。" }, { "id": "C2", "text_zh": "新增ER使用橙色，AGP使用品红色，Mito使用红色，颜色与通道身份对应且不串换。" }, { "id": "C3", "text_zh": "新增通道保持输入的视野范围、观察尺度和主要细胞空间布局，保留稀密分布及显著空隙，段内及切换时不无故重排或增删细胞。" }, { "id": "C4", "text_zh": "ER、AGP和Mito呈现可区分且与相应通道相容的细胞内信号分布和纹理，而非把同一DNA或RNA图案反复换色。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_465", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV465", "modality": "tv2v", "name": "jump-cell-painting-organelle-channel-completion", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，续接同一细胞显微视野的缺失通道，并按指定顺序进行伪彩色展示。重点完成缺失通道顺序、细胞内不同信号、同一显微视野，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“缺失通道顺序／细胞内不同信号”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现缺失通道顺序；细胞内不同信号或同一显微视野大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "缺失通道顺序已部分实现，任务意图可辨；但细胞内不同信号或同一显微视野仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "缺失通道顺序、细胞内不同信号、同一显微视野的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "缺失通道顺序、细胞内不同信号、同一显微视野完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Cross-Sensor & Physical-Field Mapping", "leaf_id": "X1", "leaf_zh": "跨传感器与物理场映射" }, "core_zh": "将九帧前视RGB行车视频转换为同序同步、受前向视场约束的俯视雷达回波强度视频。", "criteria": [ { "id": "C1", "text_zh": "生成雷达功率或FFT强度的回波形态，而非RGB去色或深度替代。" }, { "id": "C2", "text_zh": "主要团块、带状结构及相对强弱与场景和监督大致对应。" }, { "id": "C3", "text_zh": "前向俯视坐标、车辆锚点及视场方向稳定，回波随原时间变化。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_475", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV475", "modality": "tv2v", "name": "front_rgb_to_automotive_radar_return_power", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将九帧前视RGB行车视频转换为同序同步、受前向视场约束的俯视雷达回波强度视频。重点完成雷达功率回波形态、前向俯视方位、输入运动对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“雷达功率回波形态／前向俯视方位”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现雷达功率回波形态；前向俯视方位或输入运动对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "雷达功率回波形态已部分实现，任务意图可辨；但前向俯视方位或输入运动对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "雷达功率回波形态、前向俯视方位、输入运动对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "雷达功率回波形态、前向俯视方位、输入运动对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Future Trajectories & Interaction Anticipation", "leaf_id": "D4", "leaf_zh": "未来轨迹与交互预期" }, "core_zh": "依据手机操作历史与用户目标预测下一次点击，并在末屏续接扩张圆环标出触点。", "criteria": [ { "id": "C1", "text_zh": "依据用户目标和屏幕历史标出当前末屏中合理的下一点击目标。" }, { "id": "C2", "text_zh": "触点固定，圆环向外扩张且不改造原末屏。" }, { "id": "C3", "text_zh": "保留原屏幕序列，不生成点击后的页面结果。" }, { "id": "C4", "text_zh": "预测触点与当前操作目标和界面上下文相容；保持任务所要求的标记形式，不将历史样例的固定落点作为通用答案。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_486", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV486", "modality": "tv2v", "name": "mobile_ui_next_action_prediction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据手机操作历史与用户目标预测下一次点击，并在末屏续接扩张圆环标出触点。重点完成下一点击控件、固定触点扩张圆环、末屏保持，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“下一点击控件／固定触点扩张圆环”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现下一点击控件；固定触点扩张圆环或末屏保持大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "下一点击控件已部分实现，任务意图可辨；但固定触点扩张圆环或末屏保持仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "下一点击控件、固定触点扩张圆环、末屏保持的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "下一点击控件、固定触点扩张圆环、末屏保持完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "为完整流程视频叠加同步的步骤标题、分段彩色时间线和播放位置指示。", "criteria": [ { "id": "C1", "text_zh": "用可读标题表达当前可辨流程步骤，保留动作对象和顺序。" }, { "id": "C2", "text_zh": "分段时间线反映各步骤的大致区间及空档，同名步骤颜色一致。" }, { "id": "C3", "text_zh": "播放头同步推进，标题与当前阶段对应。" }, { "id": "C4", "text_zh": "保留原片，不要求隐藏官方步骤词表、精确时间戳和逐帧边界。" } ], "domains_zh": [ "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_490", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV490", "modality": "tv2v", "name": "industrial_procedure_keystep_timeline_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，为完整流程视频叠加同步的步骤标题、分段彩色时间线和播放位置指示。重点完成语义步骤标题、分段时间线、同步播放头，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“语义步骤标题／分段时间线”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现语义步骤标题；分段时间线或同步播放头大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "语义步骤标题已部分实现，任务意图可辨；但分段时间线或同步播放头仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "语义步骤标题、分段时间线、同步播放头的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "语义步骤标题、分段时间线、同步播放头完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Causal, Counterfactual & Rule Reasoning", "leaf_id": "Q2", "leaf_zh": "因果、反事实与规则推理" }, "core_zh": "回答交通事故视频中的分析问题，并将答案写入固定底部横幅。", "criteria": [ { "id": "C1", "text_zh": "答案准确回应当前事故成因、停车避险、道路改进或方向／天气反事实问题，与可见交通行为和环境线索相符，不混淆“能否避免”和“是否仍会发生”。" }, { "id": "C2", "text_zh": "将完整可读的答案文字写入既有底部固定横幅，在视频中持续呈现；答案内容、横幅位置与样式保持稳定，文字不越入交通主体画面。" }, { "id": "C3", "text_zh": "除底部答案文字外，保留输入视频的人车、道路设施、天气、车辆与镜头运动及事件时序，不为配合答案改造道路、改变车辆轨迹或改写事故结果。" } ], "domains_zh": [ "交通与出行" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_506", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV506", "modality": "tv2v", "name": "traffic_event_causal_qa_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，回答交通事故视频中的分析问题，并将答案写入固定底部横幅。重点完成交通因果与反事实答案、当前问题语义、固定横幅，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“交通因果与反事实答案／当前问题语义”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现交通因果与反事实答案；当前问题语义或固定横幅大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "交通因果与反事实答案已部分实现，任务意图可辨；但当前问题语义或固定横幅仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "交通因果与反事实答案、当前问题语义、固定横幅的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "交通因果与反事实答案、当前问题语义、固定横幅完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "将稀疏接收通道采集形成的超声视频恢复为保留解剖与时序的全孔径渐进复合序列。", "criteria": [ { "id": "C1", "text_zh": "逐阶段恢复全孔径目标成像的组织界面、低回声区对比及回声细节，不能以复制输入、统一调亮或抹平纹理代替重建。" }, { "id": "C2", "text_zh": "保持输入可辨的解剖布局与成像视野，组织界面及低回声区域的形态、相对位置和尺度不被无依据地增删或改造。" }, { "id": "C3", "text_zh": "保持输入承载的声束偏转角及渐进复合阶段顺序，不倒序或重排，也不以单一最终复合帧覆盖原有阶段变化。" }, { "id": "C4", "text_zh": "保持输入的逐帧时间对应与播放节奏，不额外跳帧、重复、冻结或变速；恢复过程中不引入与原序列变化无关的结构闪烁或漂移。" } ], "domains_zh": [ "医学与生命科学" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_536", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV536", "modality": "tv2v", "name": "ultrasound_sparse_array_video_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将稀疏接收通道采集形成的超声视频恢复为保留解剖与时序的全孔径渐进复合序列。重点完成超声组织界面恢复、解剖保留、复合阶段顺序，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“超声组织界面恢复／解剖保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现超声组织界面恢复；解剖保留或复合阶段顺序大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "超声组织界面恢复已部分实现，任务意图可辨；但解剖保留或复合阶段顺序仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "超声组织界面恢复、解剖保留、复合阶段顺序的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "超声组织界面恢复、解剖保留、复合阶段顺序完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "在保留原视频内容和时序的前提下，修复模拟磁带扫描线掉线造成的横向条带损伤。", "criteria": [ { "id": "C1", "text_zh": "修复实际出现的扫描线掉线条带，包括白线、彩噪、灰化带及错位造成的黑色缺口，恢复带内原有轮廓、背景和颜色，并与周围内容连贯衔接。" }, { "id": "C2", "text_zh": "保留原片的对象、画内文字、正常线条、配色、各时刻的相对布局及取景范围，不新增、删减或重新设计场景。" }, { "id": "C3", "text_zh": "保持原有运动轨迹、速度、播放时序和片段时长，不以删帧、冻结或变速掩盖损伤；修补区域随原运动连贯变化，不引入破坏连续性的闪烁或跳变。" } ], "domains_zh": [ "自然环境与地球观测", "建筑与空间场景", "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_541", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV541", "modality": "tv2v", "name": "analog_scanline_dropout_repair", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保留原视频内容和时序的前提下，修复模拟磁带扫描线掉线造成的横向条带损伤。重点完成掉线条带修补、原图文场景、动态连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“掉线条带修补／原图文场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现掉线条带修补；原图文场景或动态连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "掉线条带修补已部分实现，任务意图可辨；但原图文场景或动态连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "掉线条带修补、原图文场景、动态连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "掉线条带修补、原图文场景、动态连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Cross-modal & Representation Translation", "family_id": "X", "family_zh": "跨模态与表征转换", "leaf_en": "Language, Vision & Symbol Transcription", "leaf_id": "X2", "leaf_zh": "语言、视觉与符号转写" }, "core_zh": "依据英文整句向前补齐手语视频缺失的开头，并保留已给后段。", "criteria": [ { "id": "C1", "text_zh": "在 Input 前补入缺失的起句动作，输出从句首到句末的完整手语序列，不以循环、倒放或单纯延长原后段代替补全。" }, { "id": "C2", "text_zh": "新增前段与已有后段共同表达 Prompt 的完整句义，保留关键对象、属性、条件及动作关系，并沿用 Input 的手语体系，动作与表情清晰可辨。" }, { "id": "C3", "text_zh": "Input 全段仅随前段加入而整体后移，作为连续后缀原样保留，不删剪、重排、重复、改速或重演替换其动作内容。" }, { "id": "C4", "text_zh": "全片保持各自 Input 的同一手语者及外观服饰、正面机位、绿幕背景和整体构图，不换人、换景或改变拍摄方向。" }, { "id": "C5", "text_zh": "新增前段延续 Input 的动作速度与节奏，动作先后符合整句表达；接入原后段时手、脸和身体状态自然承接，没有破坏动作连续性的突跳、冻结或漏接。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_586", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV586", "modality": "tv2v", "name": "how2sign_asl_sentence_prefix_reconstruction", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据英文整句向前补齐手语视频缺失的开头，并保留已给后段。重点完成完整句义的起句手语、原后段保留、同一表演者衔接，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“完整句义的起句手语／原后段保留”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现完整句义的起句手语；原后段保留或同一表演者衔接大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "完整句义的起句手语已部分实现，任务意图可辨；但原后段保留或同一表演者衔接仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "完整句义的起句手语、原后段保留、同一表演者衔接的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "完整句义的起句手语、原后段保留、同一表演者衔接完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Events, Stages & Temporal Localization", "leaf_id": "P3", "leaf_zh": "事件、阶段与时间定位" }, "core_zh": "在录屏中按事件类型、发生时刻和屏幕位置叠加鼠标点击与拖拽终点标记。", "criteria": [ { "id": "C1", "text_zh": "覆盖输入中每次可见点击与拖拽终点，标记与事件发生时刻及屏幕位置对应，不漏标、虚构或错位。" }, { "id": "C2", "text_zh": "单击用单层青色正方框，双击用嵌套青色正方框，拖拽终点用品红色正方框，三类标记不能混用。" }, { "id": "C3", "text_zh": "保持原视频的时长、节奏和操作顺序；除要求的标注外，窗口、菜单、对象运动及既有界面内容均按输入原样呈现。" }, { "id": "C4", "text_zh": "不展示键入内容，不添加键入文本字幕或输入记录。" } ], "domains_zh": [ "图文、界面与符号系统" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_633", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV633", "modality": "tv2v", "name": "desktop_gui_action_event_visualization", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在录屏中按事件类型、发生时刻和屏幕位置叠加鼠标点击与拖拽终点标记。重点完成点击与拖拽事件、类别图形、位置和时机，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“点击与拖拽事件／类别图形”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现点击与拖拽事件；类别图形或位置和时机大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "点击与拖拽事件已部分实现，任务意图可辨；但类别图形或位置和时机仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "点击与拖拽事件、类别图形、位置和时机的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "点击与拖拽事件、类别图形、位置和时机完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Future Prediction & Conditioned Action", "family_id": "D", "family_zh": "未来预测与条件行动", "leaf_en": "Scene & Process Continuation", "leaf_id": "D1", "leaf_zh": "场景与过程续写" }, "core_zh": "在保持人物身份与场景连续的前提下，按指定动作将输入视频向后续写3秒。", "criteria": [ { "id": "C1", "text_zh": "从Input末段状态生成接下来的3秒，开头合理承接人物姿态、相关对象状态与镜头状态，并有后续推进，而非仅复制或冻结输入。" }, { "id": "C2", "text_zh": "按对应Prompt展现遛狗、打结、从椅子上跌落、刷牙或涂抹染发剂；动作及人物与动物、道具的互动须可辨且连贯，不能仅持有道具或展示结果。" }, { "id": "C3", "text_zh": "执行动作的人物与Input一致，可见面貌、体态和服饰等身份线索在续段内稳定，不无故换人、互换角色或混合人物特征。" }, { "id": "C4", "text_zh": "延续Input末段的同一环境、主要同场人物及动作相关对象，空间关系随运动合理变化，不无因换场、重置布局或使对象闪现消失。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_649", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV649", "modality": "tv2v", "name": "ava_kinetics_action_continuation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持人物身份与场景连续的前提下，按指定动作将输入视频向后续写3秒。重点完成指定人物动作续写、原身份和场景、紧邻三秒进程，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“指定人物动作续写／原身份和场景”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现指定人物动作续写；原身份和场景或紧邻三秒进程大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "指定人物动作续写已部分实现，任务意图可辨；但原身份和场景或紧邻三秒进程仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "指定人物动作续写、原身份和场景、紧邻三秒进程的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "指定人物动作续写、原身份和场景、紧邻三秒进程完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Visual Restoration & Completion", "family_id": "R", "family_zh": "视觉修复与缺失补全", "leaf_en": "Fidelity & Acquisition-signal Restoration", "leaf_id": "R1", "leaf_zh": "清晰度与采集信号恢复" }, "core_zh": "对动态视频进行内容与时序保真的传感器去噪。", "criteria": [ { "id": "C1", "text_zh": "显著抑制输入中可见的随机颗粒和彩色噪点，降噪覆盖整段视频，而不是仅处理少数区域或个别帧。" }, { "id": "C2", "text_zh": "各帧保留输入的场景、对象及其空间关系，不增删内容、扭曲轮廓或改变取景几何。" }, { "id": "C3", "text_zh": "保留可辨识的真实细节和细边缘，如毛发、叶片、车体线条及建筑纹理；不得靠明显涂抹、过度平滑或虚构纹理换取干净画面。" }, { "id": "C4", "text_zh": "保留原有物体色彩、明暗层次和光照变化，不因去噪明显偏色、改变整体明暗或压丢暗部内容。" }, { "id": "C5", "text_zh": "完整保留输入帧并按原顺序呈现，维持原有物体与镜头运动及节奏，不新增闪烁、重影、拖尾或运动跳变。" } ], "domains_zh": [ "自然环境与地球观测", "交通与出行", "建筑与空间场景" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_712", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV712", "modality": "tv2v", "name": "pvdd_dynamic_scene_video_denoising", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，对动态视频进行内容与时序保真的传感器去噪。重点完成传感器噪声抑制、真实纹理色彩、运动连续，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“传感器噪声抑制／真实纹理色彩”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现传感器噪声抑制；真实纹理色彩或运动连续大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "传感器噪声抑制已部分实现，任务意图可辨；但真实纹理色彩或运动连续仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "传感器噪声抑制、真实纹理色彩、运动连续的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "传感器噪声抑制、真实纹理色彩、运动连续完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Identity, Motion & Interaction", "family_id": "M", "family_zh": "身份、运动与交互", "leaf_en": "Temporal Instance Segmentation & Mask Propagation", "leaf_id": "M4", "leaf_zh": "时序实例分割与掩码传播" }, "core_zh": "跨形态与位置变化追踪首帧黄点所选对象及其同源部分，并将可确认的可见区域标红。", "criteria": [ { "id": "C1", "text_zh": "依据首帧黄点选定正确的对象实例，并与邻近或同类物体区分，不因另一物体正在被操作就更换追踪目标。" }, { "id": "C2", "text_zh": "全程保持所选实例的身份连续性；在移动、切分、散布或转移后，继续标出可确认同源的各个可见部分，不因外形或位置改变而漏追或串换。" }, { "id": "C3", "text_zh": "以红色区域掩膜贴合对象当帧可见轮廓，随遮挡更新边界；不涂到手、刀或无关物体，也不在对象缺席、完全被遮挡或身份不明时虚构区域。" }, { "id": "C4", "text_zh": "在输入视频上叠加标注，保留原场景、非目标对象、人物动作、镜头运动及完整时间线，不改写事件，不删除或重排片段来替代全程跟踪。" } ], "domains_zh": [ "人类活动与交互", "自然环境与地球观测" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_715", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV715", "modality": "tv2v", "name": "object_transformation_identity_segmentation", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，跨形态与位置变化追踪首帧黄点所选对象及其同源部分，并将可确认的可见区域标红。重点完成所选对象及同源部分、变形分裂后的身份、可见红色掩膜，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“所选对象及同源部分／变形分裂后的身份”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现所选对象及同源部分；变形分裂后的身份或可见红色掩膜大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "所选对象及同源部分已部分实现，任务意图可辨；但变形分裂后的身份或可见红色掩膜仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "所选对象及同源部分、变形分裂后的身份、可见红色掩膜的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "所选对象及同源部分、变形分裂后的身份、可见红色掩膜完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Spatial Structure & Geometry", "family_id": "G", "family_zh": "空间结构与几何", "leaf_en": "Joints & Skeletal Structure", "leaf_id": "G2", "leaf_zh": "关节与骨架结构" }, "core_zh": "在原视频中跟踪可见左右手，将手指关节点和骨架连线准确叠加到对应手部。", "criteria": [ { "id": "C1", "text_zh": "为所有实际可见的手叠加手指关节点与骨架连线；单手画面只标该手，双手同框时两手均有对应骨架，不漏手或凭空添手。" }, { "id": "C2", "text_zh": "骨架呈现腕部至五指的关节链，节点、指尖及骨段方向贴合可见手形和屈伸状态，连接关系正确，不错接手指。" }, { "id": "C3", "text_zh": "左右手骨架分别归属于正确手部；双手同框时两套标注清楚可辨，运动中不混接、不互换身份。" }, { "id": "C4", "text_zh": "骨架随手的移动、转动和手指张合及时更新，与原动作同步，不出现显著漂移、冻结、滞后或无故消失。" }, { "id": "C5", "text_zh": "除骨架叠加外，保留原镜头构图、手与身体外观、背景和其他可见内容，保持动作顺序、速度与时序，不改手势或重排片段。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_366", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV366", "modality": "tv2v", "name": "frame_aligned_bimanual_hand_skeleton_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在原视频中跟踪可见左右手，将手指关节点和骨架连线准确叠加到对应手部。重点完成左右手关节链、可见手势、同步骨架，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“左右手关节链／可见手势”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现左右手关节链；可见手势或同步骨架大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "左右手关节链已部分实现，任务意图可辨；但可见手势或同步骨架仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "左右手关节链、可见手势、同步骨架的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "左右手关节链、可见手势、同步骨架完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Constraint Reasoning, Assessment & Correction", "family_id": "Q", "family_zh": "约束推理与评估纠错", "leaf_en": "Inverse Processes & Order Reconstruction", "leaf_id": "Q1", "leaf_zh": "逆向过程与顺序重建" }, "core_zh": "在保持单笔形状与行笔方向的前提下，倒置整幅线稿的笔画绘制顺序。", "criteria": [ { "id": "C1", "text_zh": "从空白画布开始，笔画沿路径逐步显现，已画笔迹保留并累积，而不是从终稿倒放擦除或让整图突然出现。" }, { "id": "C2", "text_zh": "所有完整笔画按输入原顺序的逆序依次重绘，原末笔先画、原首笔最后画，不拆碎笔画或任意混排。" }, { "id": "C3", "text_zh": "各笔沿输入中原有的起点至终点方向展开，保留路径形状及在画布内的相对位置，不把单笔轨迹反向描回。" }, { "id": "C4", "text_zh": "输出末尾复现输入的同一幅完整线稿，轮廓、内部细节、交叠关系和整体布局一致，不新增或遗漏笔迹。" } ], "domains_zh": [ "艺术与动画内容" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_565", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV565", "modality": "tv2v", "name": "reverse_stroke_order_redrawing", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，在保持单笔形状与行笔方向的前提下，倒置整幅线稿的笔画绘制顺序。重点完成笔画顺序逆转、单笔方向不变、完整原线稿，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“笔画顺序逆转／单笔方向不变”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现笔画顺序逆转；单笔方向不变或完整原线稿大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "笔画顺序逆转已部分实现，任务意图可辨；但单笔方向不变或完整原线稿仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "笔画顺序逆转、单笔方向不变、完整原线稿的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "笔画顺序逆转、单笔方向不变、完整原线稿完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "Semantic Perception & Understanding", "family_id": "P", "family_zh": "语义感知与理解", "leaf_en": "Semantic Grounding, Matching & Relations", "leaf_id": "P2", "leaf_zh": "语义定位、匹配与关系" }, "core_zh": "依据视频内容选择最匹配的给定描述，并将其原文叠加为底部字幕。", "criteria": [ { "id": "C1", "text_zh": "依据当前视频与选项选择语义最匹配的一句，不把已有五样本答案字母当通用答案。" }, { "id": "C2", "text_zh": "完整显示所选英文原句，关键文字和含义不变。" }, { "id": "C3", "text_zh": "字幕在底部清楚持续呈现，原视频内容和时序保持。" } ], "domains_zh": [ "人类活动与交互", "工业与工程" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_566", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV566", "modality": "tv2v", "name": "automatic_descriptive_caption_overlay", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，依据视频内容选择最匹配的给定描述，并将其原文叠加为底部字幕。重点完成正确描述选项、原英文句子、底部字幕与原片，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“正确描述选项／原英文句子”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现正确描述选项；原英文句子或底部字幕与原片大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "正确描述选项已部分实现，任务意图可辨；但原英文句子或底部字幕与原片仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "正确描述选项、原英文句子、底部字幕与原片的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "正确描述选项、原英文句子、底部字幕与原片完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] }, { "capability": { "family_en": "View Synthesis & Transformation", "family_id": "V", "family_zh": "视角生成与转换", "leaf_en": "Cross-Camera & Projection Conversion", "leaf_id": "V2", "leaf_zh": "同步跨相机与投影转换" }, "core_zh": "将正面拍摄的美国手语视频转换为手语者自身右侧视角，同时保持同一表演及其时序。", "criteria": [ { "id": "C1", "text_zh": "输出形成从手语者自身右侧观察的稳定侧面视角，头部、躯干、双臂及座椅的透视和遮挡关系随视点合理改变。" }, { "id": "C2", "text_zh": "保留原美国手语的左右手分工、手形、掌向、相对位置和动作轨迹，以及对应的口形、表情和头身动作，不增删或改写表演内容。" }, { "id": "C3", "text_zh": "动作顺序、节奏、停顿与起止在Input时间线上对应，不因变速、删段、重排或额外冻结而改变表演进程。" }, { "id": "C4", "text_zh": "保持原手语者的身份、发型、服装，以及原场景中的坐姿和座椅关系，不换人、换装或置换场景。" } ], "domains_zh": [ "人类活动与交互" ], "evaluation_status": "task_rubric_definition_not_a_model_score", "id": "tv2v:Task_584", "in_bench170": false, "input_fields": [ "Input", "Prompt" ], "label": "TV584", "modality": "tv2v", "name": "frontal_asl_to_temporally_aligned_side_view", "reference_scope": "Input + Prompt", "requirement_zh": "根据Input＋Prompt，将正面拍摄的美国手语视频转换为手语者自身右侧视角，同时保持同一表演及其时序。重点完成右侧手语视角、原手语含义和动作、身份及时间对应，并保持任务要求的原有内容及时间关系。", "rubric": [ { "score": 1, "text_zh": "未形成有意义的“右侧手语视角／原手语含义和动作”结果，或输出与本任务无关、只保留输入而未做要求的操作。" }, { "score": 2, "text_zh": "仅零散实现右侧手语视角；原手语含义和动作或身份及时间对应大部分缺失、错误，尚不能构成有效的整体结果。" }, { "score": 3, "text_zh": "右侧手语视角已部分实现，任务意图可辨；但原手语含义和动作或身份及时间对应仍有明显错误、重要遗漏或持续不一致，整体仅部分完成。" }, { "score": 4, "text_zh": "右侧手语视角、原手语含义和动作、身份及时间对应的主要结果已正确达成；仍有局部实质遗漏、错误或不连续，但不改变整体操作与主要含义。" }, { "score": 5, "text_zh": "右侧手语视角、原手语含义和动作、身份及时间对应完整且稳定地达成，并满足适用的内容保留要求；允许不改变含义、覆盖和连续性的渲染差异，不要求像素复刻。" } ] } ], "version": "2.1.0" }