common_metrics_on_video_quality 是评测安全领域的开源项目，由 JunyaoHu 开发，2022 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 586。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-26。本地部署使用，完全免费。
它主要面向的使用场景是：视频生成模型的效果评估与对比。同类可对比的替代方案包括 pytorch-fid、vidore、video-fvd。
common_metrics_on_video_quality
一键计算视频生成质量指标，快速对比模型效果
这是一个用于评估视频生成或预测质量的Python工具库，专注于计算FVD、PSNR、SSIM、LPIPS等核心指标。它解决了视频生成领域缺乏统一、易用的评估工具的问题，提供了简洁的接口，让研究者能够快速、标准化地衡量生成视频与真实视频的差异。核心能力包括：支持多种主流视频质量指标，基于PyTorch实现，易于集成到现有训练流程中，并提供了清晰的示例代码。该工具特别适用于视频生成、视频预测等任务的模型对比和效果验证，帮助研究者客观量化生成质量，推动领域发展。
开源
free
视频生成
GitHub 星标
★ 586
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队JunyaoHu
所属国家
定价模式free
价格说明开源项目，本地部署使用，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型fvd,metrics,psnr,pytorch,ssim,video,video-generation,video-prediction
GitHub 星标★ 586
30天Star增速
HF 下载量
上线时间2022-12-23 00:00:00
最近更新2026-08-26 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 集成FVD、PSNR、SSIM、LPIPS四种核心指标，覆盖主流评估需求
- 基于PyTorch，接口简洁，易于集成到现有训练流程
- 提供清晰示例，上手快，适合快速验证视频生成模型
不足之处
- 文档和社区支持相对有限，需自行查阅源码
- 指标实现可能未针对大规模视频优化，性能待提升
适用场景
- 视频生成模型的效果评估与对比
- 视频预测任务的质量验证
- 学术研究中标准化视频质量指标计算
替代项目
pytorch-fid、vidore、video-fvd
项目介绍
上一篇：WorldLens
同类项目推荐
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.