Rilis PROVE dari MiLM Plus Xiaomi: Metrik Penghapusan Objek yang Selaras dengan Persepsi RC-S dan RC-T dengan Tolok Ukur Video Dunia Nyata

Model penghapusan objek berkembang lebih cepat daripada metrik yang digunakan untuk mengevaluasinya, sering kali menyebabkan peringkat keluaran yang salah. Tim MiLM Plus dari Xiaomi telah merilis PROVE, yang diterima di ACM MM 2026, mencakup dua metrik: RC-S untuk koherensi spasial dan RC-T untuk konsistensi temporal, serta PROVE-Bench, sebuah tolok ukur video dua tingkat. Kedua metrik tersebut menilai wilayah yang diedit secara lokal menggunakan Maximum Mean Discrepancy jendela geser pada fitur DINOv2 dan tidak memerlukan video referensi. PROVE tersedia sebagai repositori PyTorch berlisensi Apache 2.0. Metrik ini mengatasi masalah pada metrik yang ada: PSNR, SSIM, dan LPIPS bias terhadap salin-tempel, ReMOVE dan CFD menghargai keburaman dan salah saat terjadi halusinasi, serta metrik temporal tidak sensitif terhadap kerusakan. RC-S mencapai rata-rata Kendall's tau 0,59 terhadap peringkat manusia, jauh mengungguli ReMOVE (0,26) dan CFD (0,16). PROVE-Bench mencakup PROVE-M dengan 80 video berpasangan dan PROVE-H dengan 100 video sulit tanpa ground truth. Kode dan kumpulan data tersedia untuk publik, dan RC-S berjalan pada 134,6 ms per bingkai, 13,7 kali lebih cepat daripada CFD.