Evaluación del razonamiento visual temporal en la generación de código de video a código

Resumen del corpus

Se presenta Animation2Code, un benchmark para evaluar el razonamiento visual temporal al reconstruir código de animación web ejecutable a partir de videos. El estudio utiliza 1,069 videos con diversos patrones de movimiento y sus implementaciones correspondientes en HTML/CSS/JavaScript. Los resultados indican que los modelos VLM actuales luchan por mantener la coherencia temporal en la reconstrucción, incluso con alta similitud de apariencia.

Periodista: Anya Ji, Abhijith Varma Mudunuri, David M. Chan, Alane Suhr

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI