跳转到内容
WorldAtlas WorldAtlas WorldAtlas
首页

背景一致性（Background Consistency）

背景一致性度量生成视频中场景外观的时序稳定性。相邻帧之间若背景布局、纹理或全局场景上下文发生大幅跳变，得分会降低。

对解码帧 xix_i，CLIP ViT-B/32 提取 L2 归一化嵌入 fif_i。指标对相邻帧对余弦相似度取平均：

Sbg=1N−1∑i=1N−1cos⁡(fi,fi+1)(1)S_{\mathrm{bg}} = \frac{1}{N-1}\sum_{i=1}^{N-1}\cos(f_i, f_{i+1}) \tag{1}

其中 NN 为评测帧数，cos⁡(⋅,⋅)\cos(\cdot,\cdot) 为 CLIP 图像特征之间的余弦相似度。WorldAtlas 将 SbgS_{\mathrm{bg}} 截断至 [0,1][0, 1]；得分越高表示背景越稳定。该指标仅需 prediction，且至少需要两帧。

已核验的同输入案例

Section titled “已核验的同输入案例”

Audit manifest: docs/assets/metric_examples/curated_same_case_manifest.json.

输入图像: image_static_photorealistic_city_0043
输入图像
输入已核验 · 同一 benchmark case · gap 0.1517

image_static_photorealistic_city_0043

套件: image_static场景: photorealistic / outdoor / city
基准 prompt target

Camera orbit left. A narrow city street with historic buildings, street corner, and streetlights.

prompt source: prompt_target

两条视频的首帧都已通过与展示输入的几何匹配核验；高低标签只比较当前 metric。

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

较高指标分分数 0.9849平均相邻帧相似度: 0.9849

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

较低指标分分数 0.8333平均相邻帧相似度: 0.8333
输入图像: image_static_photorealistic_city_0041
输入图像
输入已核验 · 同一 benchmark case · gap 0.1444

image_static_photorealistic_city_0041

套件: image_static场景: photorealistic / outdoor / city
基准 prompt target

Camera move right. An old industrial building with adjacent street, buildings, and parked cars.

prompt source: prompt_target

两条视频的首帧都已通过与展示输入的几何匹配核验；高低标签只比较当前 metric。

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

较高指标分分数 0.9882平均相邻帧相似度: 0.9882

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

较低指标分分数 0.8437平均相邻帧相似度: 0.8437
输入图像: image_static_stylized_aquatic_landscape_0063
输入图像
输入已核验 · 同一 benchmark case · gap 0.1793

image_static_stylized_aquatic_landscape_0063

套件: image_static场景: stylized / outdoor / aquatic_landscape
基准 prompt target

Camera move right. A stylized lake with trees, hills, and clouds.

prompt source: prompt_target

两条视频的首帧都已通过与展示输入的几何匹配核验；高低标签只比较当前 metric。

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

较高指标分分数 0.9933平均相邻帧相似度: 0.9933

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

较低指标分分数 0.8140平均相邻帧相似度: 0.8140

参考文献

Section titled “参考文献”