HPSv3-Norm

HPSv3-Norm 采用 HPSv3 奖励模型度量生成视频的人类偏好对齐视觉质量。该指标仅需 prediction：各评测帧独立打分，无需与 reference rollout 配对。

hpsv3_norm 是正式的 image_static quality 指标，同时进入 per_metric_summary 与七项等权 quality 总分。

WorldAtlas 从 prediction 视频中均匀子采样至多 20 帧，默认以 HPSv3 官方评测文档中提供的批大小（batch_size: 8）推理；这也是 8×A100 视频评测中实测的吞吐折中点。批处理只改变执行方式：每帧仍独立获得一个奖励；为保证可比性，同一次横向评测应使用相同的批大小。对帧 $x_i$，HPSv3 推理器输出原始奖励 $r_i$。每视频平均原始奖励为

$$\bar{r} = \frac{1}{N}\sum_{i=1}^{N} r_i \tag{1}$$

设固定归一化分位数为 $p_1$、$p_{99}$（默认 $p_1 = 5.21$，$p_{99} = 8.66$）。$[0, 100]$ 上的归一化得分为

$$S_{\mathrm{HPS}} = \mathrm{clip}\!\left( \frac{\bar{r} - p_1}{p_{99} - p_1} \times 100,\, 0,\, 100 \right) \tag{2}$$

WorldAtlas 将指标 raw 值存为 $[0, 1]$ 区间内的 $S_{\mathrm{HPS}} / 100$。得分越高表示与人类偏好对齐程度越强。若 HPSv3 backend 或 checkpoint 不可用，指标记为 not_applicable。

这些 1.0000 / 0.0000 是真实分数吗？

这些都是真实评测结果，不是手动填写的占位值。示例区会优先选择归一化分差最大的、已核验同输入视频对。HPSv3-Norm 先对 20 帧的原始奖励取平均，再按公式 (2) 归一化：均值不低于 $p_{99}=8.66$ 时截断为 1.0000，不高于 $p_1=5.21$ 时截断为 0.0000。

三组展示案例的原始奖励均值（高分视频 / 低分视频）分别是：

• 工作区 0020：8.872 / 4.902
• 绿地景观 0125：8.863 / 2.239
• 风格化起居室 0142：8.904 / 2.930

因此，不同视频的原始奖励并不相同；只是经过固定分位数归一化和端点截断后，这三组恰好都显示为 1.0000 / 0.0000。

已核验的同输入案例

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

输入图像

输入已核验 · 同一 benchmark case · gap 1.0000

image_static_photorealistic_workspaces_0020

套件: image_static场景: photorealistic / indoor / workspaces

基准 prompt target

Camera orbit left. A futuristic control room with swivel chairs, digital screens, and control panels.

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 1.0000

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 0.0000

输入图像

输入已核验 · 同一 benchmark case · gap 1.0000

image_static_photorealistic_verdant_landscape_0125

套件: image_static场景: photorealistic / outdoor / verdant_landscape

基准 prompt target

Camera move left. Ancient ruins with side garden, stone bench, and wildflowers.

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 1.0000

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 0.0000

输入图像

输入已核验 · 同一 benchmark case · gap 1.0000

image_static_stylized_living_spaces_0142

套件: image_static场景: stylized / indoor / living_spaces

基准 prompt target

Camera orbit left. A living room with sofa, coffee table, and bookshelves.

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 1.0000

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 0.0000

参考文献

HPSv3 — Human Preference Score

基于人类偏好监督的视觉-语言奖励模型；WorldAtlas 对每视频平均原始奖励施加线性分位数归一化。