Xiaomi lanza PROVE: métricas de eliminación de objetos alineadas con la percepción, RC-S y RC-T, y un benchmark de vídeo del mundo real

Los modelos de eliminación de objetos han avanzado más rápido que las métricas utilizadas para evaluarlos, lo que a menudo produce clasificaciones incorrectas. El equipo de MiLM Plus de Xiaomi ha lanzado PROVE, aceptado en ACM MM 2026, que incluye dos métricas: RC-S para coherencia espacial y RC-T para consistencia temporal, además de PROVE-Bench, un punto de referencia de vídeo de dos niveles. Ambas métricas puntúan la región editada localmente utilizando la Discrepancia Media Máxima de ventana deslizante sobre características DINOv2 y no requieren vídeo de referencia. PROVE está disponible como un repositorio PyTorch bajo licencia Apache 2.0. Las métricas abordan problemas de las métricas existentes: PSNR, SSIM y LPIPS están sesgadas hacia el copiar y pegar, ReMOVE y CFD recompensan el desenfoque y fallan en alucinaciones, y las métricas temporales son insensibles a la corrupción. RC-S logra un tau de Kendall promedio de 0.59 frente a las clasificaciones humanas, superando significativamente a ReMOVE (0.26) y CFD (0.16). PROVE-Bench incluye PROVE-M con 80 vídeos emparejados y PROVE-H con 100 vídeos difíciles sin verdad fundamental. El código y el conjunto de datos están disponibles públicamente, y RC-S se ejecuta a 134.6 ms por fotograma, 13.7 veces más rápido que CFD.