VBench

环境要求

• Python 环境（pip 可正常使用）
• CUDA 版本需 <= 12.1（detectron2 仅支持 CUDA 12.1 或 11.X）
• 需要安装 PyTorch 与 torchvision
• 部分评估维度依赖 detectron2
• 运行目录下需有 VBench_full_info.json 以读取提示词套件

安装与启动步骤

1. 1安装 PyTorch

   按 README 指定方式安装带 CUDA 的 PyTorch 与 torchvision，也可换成其他满足 CUDA<=12.1 的版本。

   pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

   复制

2. 2安装 vbench

   通过 pip 直接安装 vbench 包，这是最简安装方式；安装完成后即可在 Python 中调用评估能力。

   pip install vbench

   复制

3. 3安装 detectron2

   评估部分视频生成能力维度时需要 detectron2，用 README 给出的 git 地址安装。

   pip install detectron2@git+https://github.com/facebookresearch/detectron2.git

   复制

4. 4下载提示词套件

   把 VBench_full_info.json 手动下载到你的运行目录，用于读取标准基准提示词列表；README 未提供下载命令。

5. 5（可选）源码克隆安装

   如不想用 pip 方式，可先克隆仓库再本地安装 VBench，注意需同样先装好 PyTorch。

   git clone https://github.com/Vchitect/VBench.git
   pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
   pip install VBench

   复制

6. 6评估自己的视频

   默认在标准 VBench 提示词上评估以保证公平；要评自己的视频就把模式设为 custom_input。

关键配置

如何确认成功

pip 安装过程无报错，且运行目录中已存在 VBench_full_info.json，即可按 README 用法开始评估。

常见问题

注意事项

• 默认在标准 VBench 提示词列表上评估，以保证不同视频生成模型间的公平比较。
• 缺少必需视频时会给出警告，属于设计行为，不一定是环境错误。
• detectron2 仅支持 CUDA 12.1 或 11.X，请先确认 CUDA 版本。
• README 未给出具体评估命令与端口等参数，实际调用方式请以官方 Usage 章节和代码为准。