北大开源首个针对视频编辑的新指标，与人类感知高度对齐｜AAAI25

文章预览

北京大学MMCAL团队 投稿 量子位 | 公众号 QbitAI 视频生成模型卷得热火朝天，配套的 视频评价标准 自然也不能落后。 现在， 北京大学MMCAL团队 开发了首个用于 视频编辑质量评估 的新指标—— VE-Bench ，相关代码与预训练权重均已开源。 它重点关注了AI视频编辑中最常见的一个场景：视频编辑前后 结果与原始视频之间的联系 。 例如，在“摘掉女孩的耳环”的任务中，需要保留人物ID，源视频与编辑结果应该有着较强语义相关性，而在“把女孩换为钢铁侠”这样的任务中，语义就明显发生了改变。 此外，它的数据还更加符合人类的主观感受，是一个有效的 主观对齐量化指标 。 实验结果显示，与FastVQA、StableVQA、DOVER、VE-Bench QA等视频质量评价方法相比， VE-Bench QA 取得了 SOTA的人类感知对齐结果 ： 这到底是怎么做到的呢？ 简单来说，VE-Bench首先从原 ………………………………