质量评分指标 - 用人工智能衡量视频表现

这些指标是如何工作的？

视频质量指标可以分为两大类：

• 全参考/客观指标比较生成内容与已知参考，使用空间或时间差异。示例包括：

  • PSNR（峰值信噪比）：测量像素级的保真度；高值表示失真较少，但对人类感知的反映较差。

  • SSIM（结构相似性指数）：建模结构和感知相似性，在大多数视觉失真中优于 PSNR。

  • VMAF（视频多方法评估融合）：结合多种基于图像的特征与机器学习，以匹配人类感知评分，得分范围为 0–100。

  • FVD（弗雷歇视频距离）：测量生成视频集与参考视频集之间在时空特征分布中的统计偏移，广泛应用于生成视频评估。

• 无参考/单一指标评估没有参考视频的视频。这些指标依赖于在人工标注的数据集上训练的学习模型：

  • VideoScore：在一个包含人类细致反馈的数据集上训练；与人类判断的相关性约为 ~77%，优于 FVD 和 IS。

  • UGVQ：为 AI 生成的内容设计；结合空间、时间和文本-视频对齐特征；在 LGVQ 数据集上设定新基准。

  • VAMP：使用基于物理和视觉评分评估视觉外观和运动的合理性；在时间现实感评估方面超越 FVD 和 IS。