论文解读 | NeurIPS'24 Spotlight ChronoMagic-Bench 评估文本到视频生成的质变幅度评估基准

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 点击  阅读原文  观看作者讲解回放！ 作者简介 袁盛海 ，北京大学硕士一年级学生 内容简介 本文提出了一种新颖的文本到视频（T2V）生成基准ChronoMagic-Bench，用于评估T2V模型（例如Sora和CogVideoX）生成质变延时视频的能力。与现有基准相比，这些基准侧重于生成视频的视觉质量和文本相关性，ChronoMagic-Bench专注于让模型生成具有显著质变幅度和时间连贯性的延时视频的能力，侧面衡量视频模型的物理含量。为此，ChronoMagic-Bench引入了1,649个提示和现实世界视频作为参考，分为四大类延时视频：生物类、人类创造类、气象类和物理现象类，这些进一步细分为75个子类别。为了准确对齐人类偏好和大规模衡量模型能力，引入了两个新的自动指标，MTScore衡量质变幅度，反映视频随时间变化的程度，而CH ………………………………