Tag · 7 篇

视频生成评测

What Are You Doing? A Closer Look at Controllable Human Video Generation

为可控人体图像到视频生成提供了细粒度基准与改进后的评测指标，做人体视频生成或动作可控生成的研究者可直接用它诊断模型在动作、交互、运动等 9 个维度上的短板，而不必再依赖 TikTok、TED-Talks 这类多样性不足的旧数据。

VGA-Bench: A Unified Benchmark and Multi-Model Framework for Video Aesthetics and Generation Quality Evaluation

做视频生成的人可以直接用 VGA-Bench 的三层分类体系（美学质量、美学标签、生成质量）和三个多任务评估器（VAQA-Net、VTag-Net、VGQA-Net）作为自动化评测代理，替代昂贵的人工打分，用于模型选型、调试与生成质量监控。

TiViBench: Benchmarking Think-in-Video Reasoning for Video Generation

为图像到视频生成模型提供了一套分层推理评测协议（4 个维度、24 个任务、3 个难度），并给出无需额外训练或奖励模型的测试时偏好优化策略 VideoTPO，可直接迁移到其他生成模型的推理增强与选优环节。

SVBench: Evaluation of Video Generation Models on Social Reasoning

为视频生成模型提供了一个可复用的社会推理评测框架：用免训练的 agent 流水线把心理学范式转成视频场景，再用 VLM 作为评判器按五个可解释维度打分，可直接用于诊断生成模型在因果与心理动态上的缺陷。

SLVMEval: Synthetic Meta Evaluation Benchmark for Text-to-Long Video Generation

为文本到长视频生成提供了一套可控的元评测协议：以密集视频描述数据集为源，按 10 个维度合成退化构造「高质量 vs 低质量」成对样本，并用众包过滤出人类可感知的样本对。做视频生成评测或设计自动指标的研究者可直接复用该测试床与成对排序协议来校验自己的评价系统。

Ref4D-VideoBench: Four-Dimensional Reference-Based Evaluation of Text-to-Video Generative Models

为文生视频模型提供以参考视频为时空证据的细粒度评测协议，可直接用于诊断目标行为偏差、时序不一致与常识违背等实例级问题，替代纯文本提示下的无参考打分。

PAI-Bench: A Comprehensive Benchmark For Physical AI

做视频生成或视频理解的人可以直接用 PAI-Bench 的 2,808 个真实案例和任务对齐指标，检验模型是否保持物理一致的动力学，而不是只看视觉保真度；也可借鉴其条件视频生成与视频理解统一评测的协议设计。