Xiaomi's MiLM Plus brengt PROVE uit: perceptie-afgestemde objectverwijderingsmetrieken RC-S en RC-T met een real-world videobenchmark

Objectverwijderingsmodellen zijn sneller verbeterd dan de metrieken die worden gebruikt om ze te evalueren, waardoor outputs vaak verkeerd worden gerangschikt. Het MiLM Plus-team van Xiaomi heeft PROVE uitgebracht, geaccepteerd op ACM MM 2026, dat twee metrieken omvat: RC-S voor ruimtelijke coherentie en RC-T voor temporele consistentie, plus PROVE-Bench, een video-benchmark met twee niveaus. Beide metrieken scoren het bewerkte gebied lokaal met behulp van schuifvenster-Maximum Mean Discrepancy op DINOv2-functies en vereisen geen referentievideo. PROVE is beschikbaar als een Apache 2.0 PyTorch-repository. De metrieken pakken problemen met bestaande metrieken aan: PSNR, SSIM en LPIPS zijn bevooroordeeld ten opzichte van kopiëren-en-plakken, ReMOVE en CFD belonen onscherpte en schieten tekort bij hallucinaties, en temporele metrieken zijn ongevoelig voor corruptie. RC-S behaalt een gemiddelde Kendall's tau van 0,59 tegen menselijke rangschikkingen, aanzienlijk beter dan ReMOVE (0,26) en CFD (0,16). PROVE-Bench omvat PROVE-M met 80 gepaarde video's en PROVE-H met 100 moeilijke video's zonder grondwaarheid. De code en dataset zijn openbaar beschikbaar, en RC-S draait op 134,6 ms per frame, 13,7 keer sneller dan CFD.