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
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 586
使用教程
环境要求
- NVIDIA 显卡
- conda 环境
- 成对视频样本
安装与启动步骤
-
1建环境
指定 Python 版本，框架版本也跟着定。
conda create -n vqmetrics python=3.9 -
2装框架
按仓库给的版本装，显卡算力要对得上。
pip install torch==1.13.1+cu117 -
3装其余依赖
视频解码相关的库也要装全。
pip install -r requirements.txt -
4准备对比视频
同一片段两个版本，帧数与分辨率要一致。
-
5跑指标
一次算完几项，看哪项掉得最多。
python demo.py
如何确认成功
对同一组视频算出至少三项指标并与仓库示例数值量级一致，换一组样本趋势合理
注意事项
- 它是视频生成质量的度量脚本，不产视频。
- 指标之间会互相矛盾，别只看一项。
- 帧对齐没做好会让分数整体偏低。
- 不同分辨率下数值不可直接横比。
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
上一篇：WorldLens
同类项目推荐
Awesome-Attention-Heads
开源
一站式读懂大模型注意力头，搞懂模型在想什么
An awesome repository & A comprehensive survey on interpretability of LLM attention ···
SILENTCHAIN
开源
在 Burp 里用大模型辅助找 Web 漏洞
AI-powered vulnerability scanner extension for Burp Suite with multi-provider suppor···
Awesome-Evaluation-of-Visual-Gen···
开源
一页看懂视觉生成模型怎么评测，省去翻论文的麻烦
A list of works on evaluation of visual generation models, including evaluation metr···
OPERA
开源
给多模态大模型装上防幻觉刹车，生成更可靠
[CVPR 2024 Highlight] OPERA: Alleviating Hallucination in Multi-Modal Large Language···
awesome-llm-agent-papers
开源
200+篇LLM智能体论文，按主题分类，助你快速掌握前沿。
LLM agents: curated papers on planning, memory, tool use, multi-agent systems, evalu···
common_metrics_on_video_quality
开源
一键计算视频生成质量指标，快速对比模型效果
You can easily calculate FVD, PSNR, SSIM, LPIPS for evaluating the quality of genera···
chatgpt-failures
开源
看AI翻车现场，理性用大模型
Failure archive for ChatGPT and similar models
terminal-bench-science
开源
让 AI 在终端里跑通真实科研任务并自动打分
Terminal-Bench-Science: Evaluating AI agents on research workflows across scientific···
meta-agents-research-environment···
开源
在动态仿真环境中，逼真考验AI智能体的适应力与决策力。
Meta Agents Research Environments is a comprehensive platform designed to evaluate A···