PhyEduVideo

最后更新: 2026年10月7日

本页内容

PhyEduVideo（IIIT Hyderabad、Adobe、IISER Thiruvananthapuram；WACV 2026）问的是 T2V 模型能不能画出一个教学点，不是它是否遵守某套定律分类。捆绑的 Prompts/Prompts.json 有 6 类 60 个概念（力学、振动与波动、流体、热力学、电磁学、光学），拆成 205 条视觉描述型教学点 prompt。

这是教育，不是 PhyGenBench（27 条定律常识生成），不是 PhyGround（TI2V 上 13 条定律准则），也不是 PhyFPS-Bench-Gen（帧率审计）。

论文：PhyEduVideo。项目：meghamariamkm.github.io/phyeduvideo26。代码：meghamariamkm/PhyEduVideo。

WorldFoundry 导入调用方提供的结果文件（JSON / JSONL / CSV），对照捆绑 manifest 校验 prompt/视频覆盖，并写出 scorecard。InternVL / CLIP / VQA 评审栈不在仓内运行。

评测维度

物理教育 T2V
类型任务
课程教学点图示 prompt，不是定律准则锚定（PhyGround），也不是 PhyGenEval 常识生成。
力学
类型类别
捆绑 Prompts.json 类别（60 个概念中的 23 个）。
振动与波动
类型类别
捆绑 Prompts.json 类别。
流体
类型类别
捆绑 Prompts.json 类别。
热力学
类型类别
捆绑 Prompts.json 类别。
电磁学
类型类别
捆绑 Prompts.json 类别。
光学
类型类别
捆绑 Prompts.json 类别。

数据组成

规模
6 个捆绑类别共 60 个概念，拆成 205 条教学点 T2V prompt（Prompts/Prompts.json）。WorldFoundry 导入调用方结果文件，并可校验 prompt/视频覆盖。InternVL/CLIP/VQA 打分不在仓内运行。
来源
github.com
模态
text · video
说明
结果文件由调用方提供。覆盖率校验只配对 prompt 与视频，不验证上游分数如何产生。

指标

semantic_adherence
方向越高越好
导入的语义符合度：是否对准教学点 prompt 与量表中的物体/动作。
physics_commonsense
方向越高越好
导入的教学物理常识族（不是 PhyGenBench 的 PhyGenEval 分）。
motion_smoothness
方向越高越好
导入的运动平滑度族。
temporal_flickering
方向越高越好
导入结果文件中的时序闪烁族（本指标面越高越好）。
phyeduvideo_average
方向越高越好
导入指标族的均值。
主指标PhyEduVideo Average

Leaderboard

论文报告结果（非实时榜；不是 WorldFoundry 跑分）。论文 Average 行的 SA 列。 PhyEduVideo: A Benchmark for Evaluating Text-to-Video Models for Physics Education (2026).

模型	平均科学准确性（SA）
Wan2.1	0.83
PhyT2V	0.78
CogVideoX	0.75
Video-MSG	0.68
VideoCrafter2	0.62

如何运行

worldfoundry-eval zoo benchmark-run \
  --benchmark-id phyeduvideo \
  --mode official-validation \
  --official-results-path <official_results.json> \
  --generated-artifact-dir <generated_videos> \
  --output-dir tmp/phyeduvideo/official-validation \
  --json

专用 runner 上的 --run-official 对 WorldFoundry 生成产物走同一条导入路径。产物包括 scorecard.json（主键 phyeduvideo_average）、results_summary.csv，以及文件提供时的逐样本行。

← 返回 Benchmark Hub

PhyEduVideo

评测维度

数据组成

指标

指标

Leaderboard

如何运行

相关页面