다양한 생성 조건의 구성
실제 사용자 자료를 분석하고 대형 언어 모형의 도움을 받아 평가 문장을 구성했다. 단순한 분포 지표 몇 개만으로 조건부 영상 생성 능력을 판단하기 어렵다는 문제에서 출발한다.
서로 다른 품질의 측정
시각 품질과 내용 품질 및 움직임 품질, 텍스트·영상 일치도를 나누어 측정한다. 모형이 어느 종류의 능력에서 차이를 보이는지 비교할 수 있도록 한다.
사람의 선호에 맞춘 결합
최종 점수는 지표를 단순 평균하는 대신 사람의 의견에 맞도록 결합 계수를 적합한다. 원 연구에서는 이 방식이 평균보다 사람 평가와 높은 상관을 보였다.
관련 문서
VBench / CogVideoX / VideoPoet / Make-A-Video / Imagen Video / HunyuanVideo