知识卡片：OmniVBench——面向全能参考到视频生成的基准与大规模数据集

一句话结论

论文提出 OmniVBench 与 Omni-R2V Dataset，用 7 个任务族、18 个细粒度任务、12,172 条案例特定检查项和 340K 处理后训练样本，补齐 omni R2V 生成的评测与训练资源缺口。

事件概述或研究问题

参考到视频（Reference-to-video, R2V）生成正朝更通用、更灵活的参考控制演进，形成 omni R2V 生成范式。但现有基准的测试用例覆盖参考类型和组合有限，评测协议多关注整体参考一致性，忽略参考因子是否被正确保留、解耦和路由。同时，omni R2V 训练数据构建成本高，合适训练资源稀缺。论文针对这些缺口提出评测基准与数据集。

方法/产品要点

• OmniVBench：扩展 R2V 评测到更广参考类型、细粒度控制任务和更丰富参考组合，覆盖 7 个任务族、18 个细粒度任务，横跨内容、运动、风格、结构、叙事和多参考设置。
• 因子接地评估（factor-grounded evaluation）：包含 12,172 条案例特定检查项，评估预期参考因子是否被忠实保留、是否正确解耦并绑定到目标、是否按指令正确实现。
• Omni-R2V Dataset：面向多样化 R2V 任务的训练资源，主要基于大规模专业视频素材语料，包含 340K 处理后训练样本，覆盖多样参考类型和多参考组合。
• 数据构建管线：论文开发任务特定管线用于参考-目标对构建，声称提供实用、可扩展的 omni R2V 数据构建配方。
• 模型评估：对先进开源和闭源 R2V 模型进行广泛评估。

主要结果或产业意义

据摘要，广泛评估显示先进开源与闭源 R2V 模型在 OmniVBench 的不同任务族和评测维度上存在明显性能差距，表明当前 R2V 模型仍有局限。产业意义上，Omni-R2V Dataset 试图提供“工业级”训练资源，并以 340K 样本和任务特定管线降低 omni R2V 数据构建门槛；但具体模型排名、指标分数、胜率、人类评估结果、数据可用性和许可均待核实。

为什么重要

• 评测重点从整体参考一致性转向因子级诊断：不仅看“像不像”，还看参考因子是否保留、解耦、绑定到目标并按指令实现。
• 任务覆盖较广，可能为 omni R2V 模型提供跨任务族、跨参考组合的比较框架。
• 数据稀缺是 R2V 训练瓶颈之一，340K 样本和参考-目标对构建流程对数据工程有参考价值。
• 与既有脉络的关系：已有卡片关注参考一致性图像生成中的测试时迭代优化；本条关注视频模态下的 omni R2V 基准与数据集，增量在于视频任务族、细粒度任务、因子检查项和大规模训练样本，而非重复图像一致性优化的事实。两者直接对比关系待核实。

局限与不确定性

• 当前材料为摘要与元数据级信息，缺少具体实验指标、消融、基线模型清单和排行榜。
• 未说明 OmniVBench 与 Omni-R2V Dataset 是否公开、访问方式、许可、维护计划。
• 未说明 12,172 条检查项如何生成与验证，是否人工、自动或混合。
• 未说明 340K 样本的筛选标准、分布统计、语言/文化偏差、版权与隐私合规。
• “工业级”“professional video footage”的具体来源与授权待核实。
• 未说明开源/闭源模型的具体名称、评测成本、可复现性和统计显著性。

可用于图书/PPT/简报的角度

• 从“整体一致性”到“因子级诊断”：视频生成评测协议的演进。
• 多参考视频生成任务地图：7 个任务族、18 个细粒度任务。
• 数据飞轮案例：专业视频素材到参考-目标对，再到 340K 训练样本。
• 开源与闭源 R2V 模型在 omni 参考控制上的差距与路线图。
• 与图像参考一致性研究对照：模态迁移、评测粒度与数据规模差异。

原始材料

• 英文标题：OmniVBench: A Benchmark and Large-Scale Dataset for Omni Reference-to-Video Generation
• 英文关键词：OmniVBench; Omni-R2V Dataset; Omni Reference-to-Video Generation; Reference-to-Video (R2V); factor-grounded evaluation（材料未单独列出关键词，以上为据标题与摘要提炼，待核实）
• 原始来源：arXiv:2609.22069v1
• Abstract URL：https://arxiv.org/abs/2609.22069v1
• PDF URL：https://arxiv.org/pdf/2609.22069v1
• 作者：Wenxue Li, Peiyan Guan, Haoyang Jiang, Junxian Cai, Hualuo Liu, Chunjie Zhang, Chong Guan, Songlian Li, Taiyi Wu, Yongjian Yu, Xiaotong Zhao, Alan Zhao, Eric Liu, Xi Chen, Yu Liu, Lei Zhu
• 发布/更新：2026-09-18T17:55:49Z
• 分类：Primary category: cs.CV；Categories: cs.CV