稳定电影度量：专业视频生成的结构化分类与评估
计算机视觉与模式识别
2025-10-01 v1
摘要
近期视频生成技术的进展使得能够从用户提供的提示生成高保真视频成为可能。然而，现有模型和基准测试未能捕捉专业视频生成的复杂性和需求。为此目标，我们引入 Stable Cinemetrics，一个结构化的评估框架，将电影制作控制要素形式化为四个解耦的、层次化的分类：场景设置、事件、灯光和摄像机。这些分类定义了 76 个细粒度控制节点，基于行业实践。利用这些分类，我们构建了一个与专业用例一致的提示基准，并开发了一个自动化的提示分类和问题生成管道，实现对每个控制维度的独立评估。我们进行了大规模的人类实验，覆盖 10+ 个模型和 2 万部视频，由 80+ 位电影专业人士标注。我们的分析，包括粗粒度和细粒度分析，表明即使是当前最强的模型在事件和摄像机相关控制方面也存在显著差距。为实现可扩展评估，我们训练了一个自动评估器，一个视觉-语言模型与专家标注一致，超越现有零样本基准。SCINE 是首个将专业视频生成置于视频生成模型格局中的方法，引入以电影控制为中心的分类体系，并支持结构化评估管道和详细分析，以指导未来研究。
引用
@article{arxiv.2509.26555,
title = {Stable Cinemetrics : Structured Taxonomy and Evaluation for Professional Video Generation},
author = {Agneet Chatterjee and Rahim Entezari and Maksym Zhuravinskyi and Maksim Lapin and Reshinth Adithyan and Amit Raj and Chitta Baral and Yezhou Yang and Varun Jampani},
journal= {arXiv preprint arXiv:2509.26555},
year = {2025}
}
备注
NeurIPS 2025. Project Page : https://stable-cinemetrics.github.io/