CelebV-Text：大规模人脸文本-视频数据集

arXiv 2023 32.5 benchmark

TLDR

提出CelebV-Text，一个含七万个视频片段、每段二十条文本的大规模人脸文本-视频数据集，用于人脸文本到视频生成研究。

评分理由

The paper's strength is providing a large, high-quality, diverse dataset with semi-automatically generated text and a benchmark, addressing a gap in facial text-to-video generation. Weakness is that the abstract focuses on dataset construction and statistics rather than novel generation methods, and no downstream world-model capabilities are demonstrated.

Read-first 评分解释

综合优先阅读分 32.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 1。

近期性 8%

65.1

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2023

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：分析、基准、数据集、评估

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集、GitHub

主题相关性 42%

1.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

候选论文

排序敏感性

稳定性：volatile；排名波动范围：350。

关键词评分

video world model

world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

资源

论文