Q-Save: 面向生成视频评估的评分与归因
计算机视觉与模式识别
2026-03-02 v2
摘要
评估 AI 生成视频 (AIGV) 的质量依赖三个关键维度：视觉质量、动态质量和文本-视频对齐。虽然已提出诸多评估数据集和算法，但现有方法受限于两个局限：缺乏对评估维度的系统性定义，以及将三个维度在独立模型中处理。因此，我们引入 Q-Save，一个用于 AIGV 质量评估的整体基准数据集和统一评估模型。Q-Save 数据集包含近 1 万个视频样本，每个样本标注有 Mean Opinion Scores (MOS) 以及跨三个核心维度的细粒度归因解释。借助该归因标注数据集，我们训练了提出的 Q-Save 模型，采用 SlowFast 框架平衡准确率与效率，采用三阶段训练策略搭配 Chain-of-Thought (COT) 格式数据：监督微调 (SFT)、Grouped Relative Policy Optimization (GRPO) 以及最终的 SFT 轮次，以联合完成质量评分和归因生成。实验结果表明，Q-Save 在 AIGV 质量预测中实现卓越性能，同时提供可解释的依据。代码和数据集将在论文发表后公开。
引用
@article{arxiv.2511.18825,
title = {Q-Save: Towards Scoring and Attribution for Generated Video Evaluation},
author = {Xiele Wu and Zicheng Zhang and Mingtao Chen and Yixian Liu and Yiming Liu and Shushi Wang and Zhichao Hu and Yuhong Liu and Guangtao Zhai and Xiaohong Liu},
journal= {arXiv preprint arXiv:2511.18825},
year = {2026}
}
备注
20 pages, 11 figures