如何科学评价视频生成模型？AIGCBench：全面可扩展的视频生成任务基准来了！

摘要

背景与进展：人工智能生成内容（AIGC）的领域正在快速发展，尤其是视频生成技术。为了评估不同视频生成任务的性能，本文介绍了一个名为AIGCBench的全面而可扩展的基准，专注于图像到视频（I2V）生成任务。AIGCBench应对了现有基准的局限性，例如缺乏多样化的数据集，并通过包含一个丰富的图像文本数据集，评估了不同算法在等效条件下的性能。

基准构建：AIGCBench由三个模块组成：评估数据集、评估指标和要评估的视频生成模型。基准涉及多项评估指标，包括控制-视频对齐、运动效果、时间一致性和视频质量。此外，还使用了文本组合器和GPT-4创建丰富的文本提示，以及先进的文本到图像模型生成图像，为视频生成任务建立统一的评估框架。

实验与分析：通过广泛的实验，评估了各种算法的性能，并提供了有关当前I2V算法优势和劣势的见解。AIGCBench提供了一个评估现有和未来视频生成算法的公平、适应性强的框架。

贡献与未来工作：本文的主要贡献包括引入AIGCBench基准，扩展图像文本数据集，全面评估I2V算法，并验证了评估标准的有效性。未来工作将涵盖更广泛的视频生成任务，并可能训练一个与文本对齐的精细视频表示模型。

结论：AIGCBench是评估图像到视频生成任务的重要基准，促进了该领域的研究和发展，并为AIGC社区提供了继续增强和创新的基础。