arXiv cs.MM· Minghan Li, Tongna Chen, Tianrui Lv, Yishuai Zhang, Suchao An, Guodong Zhou·· 3 小时前评分27
GenState-AI：面向 AI 生成视频的文本到视频检索状态感知数据集
GenState-AI: State-Aware Dataset for Text-to-Video Retrieval on AI-Generated Videos
导读
GenState-AI 是一个包含 956 个 AI 生成视频和 195 条经人工核验状态变化查询的文本到视频检索基准，覆盖 Toy、Cartoon、Home 和 Manipulation 四个领域。评测显示 Qwen3-VL（8B）取得最佳宏平均 R@1 与三元组一致性，LanguageBind 语义区分准确率最高，但更强检索并不总带来正确的难负例排序，且 Qwen3-VL 与 LanguageBind 在 Manipulation 三元组上仍偏弱，VCF-Lik 在该项明显更好。
来源：arXiv cs.MM · arxiv.org