CamWorldQA：摄像机控制的世界视频生成的感知质量评估

生成视频模型的最新进展使得摄像机控制的世界视频生成成为可能，允许模型在用户定义的摄像机轨迹下合成视频。然而，现有的视频质量评估（VQA）方法主要针对自然视频而开发，无法捕捉摄像机控制生成的独特感知特征，例如视点一致性、运动连贯性和内容保留。在这项工作中，我们介绍了 CamWorldQA，这是用于相机控制的世界视频生成的感知质量评估的第一个基准。 CamWorldQA 包含由 6 种代表性生成方法从 6 个摄像机轨迹下的 20 个不同源视频生成的 720 个生成视频，其中每个视频都通过主观实验用人类评分的感知质量分数进行注释。此外，我们提出了 CWQA，一种无参考质量评估网络，具有三个互补分支，提取空间特征、时间运动特征和光流特征来联合预测质量分数。大量实验表明，CWQA 在 CamWorldQA 数据集上实现了优于现有质量评估方法的性能。