論文の概要: Illusion or Integrity? Geometrical Consistency Metric for AIGC Video Quality Evaluation
- arxiv url: http://arxiv.org/abs/2608.09594v1
- Date: Mon, 10 Aug 2026 13:28:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.28915
- Title: Illusion or Integrity? Geometrical Consistency Metric for AIGC Video Quality Evaluation
- Title（参考訳）: 錯視と統合性 : AIGCビデオ品質評価のための幾何学的整合度指標
- Abstract要約: 物理原理に準拠したAIGCビデオの品質を評価する新しいベンチマークを提案する。
これは、生成されたビデオが現実世界の物理ルールに適合する程度を推定するプロキシとして機能する。
また、6つの動作カテゴリにわたる20のシーンを含むデータセットもリリースしました。
- 参考スコア（独自算出の注目度）: 8.769587010692774
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, AI-driven video generation has attracted considerable attention. This surge increases the demand for reliable video quality assessment (VQA) metrics to evaluate AI-generated content (AIGC) videos and guide model optimization. Existing studies assess video quality through visual harmony, video-text consistency, and domain-specific alignment, yet lack quantitative metrics for measuring fidelity to physical laws. To address this limitation, we present a novel benchmark that evaluates the quality of AIGC videos based on their compliance with physical principles by quantitatively measuring geometric consistency across frames extracted from generated sequences. This serves as a proxy for estimating the extent to which generated videos conform to real-world physical rules. Specifically, GeoCon-Bench captures global motion through translation estimation, fits homography or fundamental matrix models using background correspondences, and reports complementary metrics, including inlier ratio and geometric error. We also release a dataset containing 20 scenes across six motion categories. Experiments on state-of-the-art AIGC models demonstrate the reliability of GeoCon-Bench as a video quality assessment metric.
- Abstract（参考訳）: 近年、AIによるビデオ生成が注目されている。
この急激な増加により、AIGC(AIGC)ビデオの評価とガイドモデル最適化のための信頼性ビデオ品質評価(VQA)メトリクスの需要が高まっている。
既存の研究では、視覚的調和、ビデオテキストの整合性、ドメイン固有のアライメントを通じて映像の品質を評価するが、物理法則への忠実度を測定するための定量的な指標は欠如している。
この制限に対処するために、生成されたシーケンスから抽出したフレーム間の幾何的一貫性を定量的に測定することにより、物理原理に準拠したAIGCビデオの品質を評価する新しいベンチマークを提案する。
これは、生成されたビデオが現実世界の物理ルールに適合する程度を推定するプロキシとして機能する。
具体的には、GeoCon-Benchは翻訳推定を通じてグローバルな動きを捉え、背景対応を用いてホモグラフィーまたは基本行列モデルに適合させ、不整合比や幾何誤差を含む相補的な指標を報告する。
また、6つの動作カテゴリにわたる20のシーンを含むデータセットもリリースしました。
最先端AIGCモデルの実験は、GeoCon-Benchの信頼性をビデオ品質評価指標として示している。
関連論文リスト
- Comparison Drives Preference: Reference-Aware Modeling for AI-Generated Video Quality Assessment [36.85178110950088]
既存のAIGC-VQA手法は,個々の映像を独立して分析することにより,視覚的品質を推定する。
本研究では,映像間の観点からAIGC-VQAを再検討し,参照認識評価問題として定式化する。
本稿では,クエリ中心参照グラフを用いて意味的関連サンプルを整理し,グラフ誘導差分集計を行うRefVQAを提案する。
論文 参考訳（メタデータ） (2026-04-18T17:21:53Z) - VGA-Bench: A Unified Benchmark and Multi-Model Framework for Video Aesthetics and Generation Quality Evaluation [65.0648741395158]
VGA-Benchは、ビデオ生成の品質と美的品質を評価するための統一されたベンチマークである。
我々は1016の多様なプロンプトを設計し、12のビデオ生成モデルを用いて6万以上のビデオの大規模データセットを生成する。
我々のモデルは人間の判断と信頼できる一致を実現し、精度と効率の両方を提供する。
論文 参考訳（メタデータ） (2026-04-11T09:44:39Z) - VC-Bench: Pioneering the Video Connecting Benchmark with a Dataset and Evaluation Metrics [83.61875204972465]
ビデオ接続(Video Connecting)は,ビデオクリップの開始と終了の間にスムーズな中間映像コンテンツを生成するタスクである。
このギャップを埋めるため、私たちはビデオ接続に特化した新しいベンチマークであるVC-Benchを提案しました。
VC-Benchは、ビデオ品質スコアVQS、スタート-エンド一貫性スコアSECS、トランジッションスムースネススコアSSの3つの中核的な側面に焦点を当てている。
論文 参考訳（メタデータ） (2026-01-27T06:15:12Z) - Q-Save: Towards Scoring and Attribution for Generated Video Evaluation [65.83319736145869]
本稿では,AIGV品質の総合評価のためのベンチマークデータセットとモデルであるQ-Saveを紹介する。
データセットには10000近いビデオが含まれており、それぞれにスカラー平均評価スコア(MOS)と微粒な属性ラベルが付与されている。
品質評価と属性に基づく説明を共同で行う統一評価モデルを提案する。
論文 参考訳（メタデータ） (2025-11-24T07:00:21Z) - VideoScore2: Think before You Score in Generative Video Evaluation [69.43069741467603]
VideoScore2は、視覚的品質、テキスト・ツー・ビデオのアライメント、物理的/常識的一貫性を明確に評価する多次元、解釈可能、そして人間によるアライメントフレームワークである。
我々のモデルは、27,168人の注釈付きビデオを含む大規模なデータセットVideoFeedback2で訓練されている。
論文 参考訳（メタデータ） (2025-09-26T18:09:03Z) - World Consistency Score: A Unified Metric for Video Generation Quality [0.0]
WCS(World Consistency Score)は、生成ビデオモデルのための新しい統一評価指標である。
WCSは、オブジェクト永続性、安定性の関係、因果コンプライアンス、フリックペナルティの4つの解釈可能なサブコンポーネントを統合している。
既存のビデオ評価指標の文脈において、WCSの動機を詳述し、各サブメトリックを定式化し、WCSの組み合わせの重み付けがどのように訓練されているかを説明する。
論文 参考訳（メタデータ） (2025-07-31T20:06:47Z) - UniGeo: Taming Video Diffusion for Unified Consistent Geometry Estimation [63.90470530428842]
本研究では、適切な設計と微調整により、ビデオ生成モデルの本質的な一貫性を一貫した幾何推定に有効に活用できることを実証する。
その結果,ビデオのグローバルな幾何学的属性の予測性能が向上し,再構成作業に直接適用できることがわかった。
論文 参考訳（メタデータ） (2025-05-30T12:31:59Z) - VCapsBench: A Large-scale Fine-grained Benchmark for Video Caption Quality Evaluation [23.701884816475403]
ビデオキャプションは、テキストからビデオへの生成タスクにおいて重要な役割を果たす。
既存のベンチマークでは、きめ細かい評価が不十分である。
細粒度ビデオキャプション評価ベンチマーク(VCapsBench)を紹介する。
論文 参考訳（メタデータ） (2025-05-29T14:34:25Z) - Benchmarking Multi-dimensional AIGC Video Quality Assessment: A Dataset and Unified Model [56.03592388332793]
主観的・客観的な品質評価の観点からAIGC-VQA問題を考察する。
主観的観点からは,2,808本のAIGCビデオからなる大規模映像品質評価(LGVQ)データセットを構築した。
我々は,AIGCビデオの知覚的品質を,空間的品質,時間的品質,テキスト・ビデオアライメントの3つの重要な次元から評価した。
本稿では,AIGCビデオの多次元品質を正確に評価するUnify Generated Video Quality Assessment (UGVQ)モデルを提案する。
論文 参考訳（メタデータ） (2024-07-31T07:54:26Z) - AIGCBench: Comprehensive Evaluation of Image-to-Video Content Generated
by AI [1.1035305628305816]
本稿では,様々なビデオ生成タスクを評価するために設計された,先駆的な総合ベンチマークであるAIGCBenchを紹介する。
等価条件下で異なる最先端アルゴリズムを評価する、多様なオープンドメインの画像テキストデータセット。
我々は、リッチテキストプロンプトを作成するために、新しいテキストコンバインダーとGPT-4を使用し、高度なテキスト・ツー・イメージモデルを用いて画像を生成する。
論文 参考訳（メタデータ） (2024-01-03T10:08:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。