benchmark_review/CHECK_RESULT_直接检查结果.md

# Benchmark 直接检查结果

**检查时间**：已运行脚本完成。  
**数据源**：本地 clone 自 HF  
- Part1：`data/hf_ready4label/new_long_video/corrected_json_2`（对应 HF `Torwnexial/ready4label` → `new_long_video/corrected_json_2`）  
- Part2+3：`data/hf_ready4label/top20merge_full/corrected_json_2`（对应 HF `top20merge_full/corrected_json_2`）

---

## 1. Part1（长视频，40 个视频）

| 检查项 | 结果 | 说明 |
|--------|------|------|
| 视频覆盖 | 40/40 | 所有 benchmark 视频在原标注中均有对应 JSON |
| **frame_recall** | **通过** | benchmark 中每帧的 `objects_in_frame` 与原标注该 `frame_idx` 的 `objects[].concept` 一致，**无差异** |
| object_counting | 口径不同 | benchmark 的 answer（如 131、303）与「原标注到末 clip 的检测框数累加」**不是同一口径**（raw 为数千级，benchmark 为百级）。benchmark 应为人工或唯一实例数，**不是**框数累加，故 110 条均显示差异属预期 |

**结论**：帧级物体实例（frame_recall）与原标注**完全对应**；counting 为另一套定义，无法用当前 raw 自动核对。

---

## 2. Part2（短视频 Place&Motion，424 视频）

| 检查项 | 结果 | 说明 |
|--------|------|------|
| 视频覆盖 | 401 有原标注，25 无 | 25 个视频在原标注目录中无 JSON（执行时会被跳过） |
| **object_counting** | **通过** | 有 counting 的 benchmark 与「原标注到末 clip 的框数」一致，**无差异** |
| **frame_recall** | **通过** | benchmark 的 `objects_in_frame` 与原标注该 frame 的 `objects[].concept` 一致，**无差异** |

**结论**：Part2 标注与原标注**一致**（在可比口径下）。

---

## 3. Part3（短视频 Objects，382 个视频）

| 检查项 | 结果 | 说明 |
|--------|------|------|
| 视频覆盖 | 382/382 | 所有 benchmark 视频在原标注中均有对应 JSON |
| **frame_recall** | **通过** | benchmark 的 `objects_in_frame` 与原标注一致，**无差异** |
| object_counting | 口径不同 | 1329 条显示差异：benchmark 数值与「原标注框数累加」口径不同（有人工/唯一实例等），与 Part1 同理 |

**结论**：帧级物体实例（frame_recall）与原标注**完全对应**；counting 为另一套定义。

---

## 4. 汇总

- **frame_recall（帧内物体列表）**：Part1、Part2、Part3 均与原标注**一致**，无差异。  
- **object_counting**：Part2 在「到末 clip 框数」口径下**一致**；Part1、Part3 的 benchmark 与 raw 框累加**口径不同**，差异来自定义不同，非标注错位。  
- **视频列表**：Part1 全对齐；Part2 有 25 个仅 benchmark、11 个仅原标注（你说执行时会跳过）；Part3 为原标注子集，正常。

**总体**：标注文件内的**物体实例（帧级）**与原标注**对应**；counting 需以 benchmark 当前定义（人工/唯一实例等）为准，无法用 raw 框数自动校核。