HumanScore：评估生成视频中的人体运动
计算机视觉与模式识别
2026-04-23 v1
摘要
近期在模型架构、算力和数据规模方面的进展推动了视频生成的快速发展，产生了越来越逼真的内容。然而，此前尚无方法系统地衡量这些系统在多大程度上忠实地渲染了人体和运动动力学。在本文中，我们提出了HumanScore，一个用于评估AI生成视频中人体运动质量的系统性框架。HumanScore定义了六个可解释的指标，涵盖运动学合理性、时间稳定性和生物力学一致性，从而能够进行超越视觉真实感的细粒度诊断。通过精心设计的提示词，我们生成了不同强度的多样化动作集，并评估了由十三个最先进模型生成的视频。我们的分析揭示了感知合理性与运动生物力学保真度之间的一致差距，识别了反复出现的失败模式（例如，时间抖动、解剖学上不合理的姿态和运动漂移），并根据定量和物理上有意义的标准产生了稳健的模型排名。
引用
@article{arxiv.2604.20157,
title = {HumanScore: Benchmarking Human Motions in Generated Videos},
author = {Yusu Fang and Tiange Xiang and Tian Tan and Narayan Schuetz and Scott Delp and Li Fei-Fei and Ehsan Adeli},
journal= {arXiv preprint arXiv:2604.20157},
year = {2026}
}