Sharpness Retention

本指标通过监测边缘梯度的演化，评估生成视频中细节稳定性。成功产生的数值结果为 official：会进入 quality 维度和公开 leaderboard 向量。该实现采用向量化 Tenengrad 方法：分别计算水平方向（ $G_x$ ）与竖直方向（ $G_y$ ）Sobel 梯度的绝对值之和，构造二维清晰度向量以刻画纹理方向特征：

\mathbf{g}_t = \begin{pmatrix} \sum |G_x| \\ \sum |G_y| \end{pmatrix} \tag{6}

其中 $G_x, G_y$ 为第 $t$ 帧灰度图经 $3\times3$ Sobel 算子得到的梯度响应。

引入噪声感知熔断机制以区分真实细节与高频伪影：记 $n_t$ 为第 $t$ 帧 BRISQUE 噪声分数， $\tau$ 为噪声阈值；当连续 $5$ 帧满足 $n_t > \tau$ 时，触发状态 $I_{\mathrm{trig}}=1$ 。融合惩罚逻辑 $M$ 将纹理相似度与熔断状态结合（相似度 $S(\cdot,\cdot)$ 采用余弦内积，定义同式 (3)）：

BRISQUE 对零方差帧没有定义。实现会给这类帧赋予配置中的最差值 brisque_bad，并继续把它计入聚合，因此纯色或黑帧坍缩会受到惩罚，而不会作为缺失分数被静默排除。

M(x_t) = \begin{cases} S(\mathbf{g}_t, \mathbf{g}_1), & I_{\mathrm{trig}} = 0 \;\wedge\; n_t < \tau \\[4pt] \mathrm{clip}\!\bigl(1 - S(\mathbf{g}_t, \mathbf{g}_1),\, 0,\, 0.2\bigr), & \text{otherwise} \end{cases} \tag{11}

对低–中分段细节增强，采用上凸对数变换 $L(\cdot)$ （ $x \in [0,1]$ ，避免无意义对数并归一化）：

L(x) = \frac{\ln(1 + k \cdot x)}{\ln(1 + k)}, \quad k > 0 \tag{10}

其中 $k$ 控制上凸程度，视觉领域常用 $k \in [10, 20]$ ；分子保证 $x=0 \Rightarrow L(x)=0$ ，分母保证 $x=1 \Rightarrow L(x)=1$ 。

时序聚合采用归一化指数衰减权重 $\hat{w}(d)$ （定义同亮度一致性指标式 (5)， $d \in [1, T-1]$ 为帧距）。综合得分为：

S_{\mathrm{Sharpness}} = \sum_{d=1}^{T-1} \hat{w}(d) \cdot L\!\left(M(x_{d+1})\right) \tag{12}

其中 $S(\mathbf{g}_t, \mathbf{g}_1)$ 为第 $t$ 帧与首帧清晰度向量的余弦相似度。该机制可在区分真实细节与高频噪声的同时，对系统性视觉崩塌施加惩罚。

已核验的同输入案例

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

输入已核验 · 同一 benchmark case · gap 0.8467

`image_static_photorealistic_terrestrial_landscape_0152`

套件: image_static场景: photorealistic / outdoor / terrestrial_landscape

基准 prompt target

Camera pan right. A desert canyon with rock formations, distant horizon, and sand.

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 0.9725

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 0.1258

输入已核验 · 同一 benchmark case · gap 0.8771

`image_static_photorealistic_passageways_0128`

套件: image_static场景: photorealistic / indoor / passageways

基准 prompt target

Camera pan left. A modern hallway with potted plant, artwork, and hallway extension.

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 0.9749

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 0.0978

输入已核验 · 同一 benchmark case · gap 0.8513

`image_static_stylized_living_spaces_0096`

套件: image_static场景: stylized / indoor / living_spaces

基准 prompt target

Camera pan right. A modern living space with hallway, neon lights, and artwork.

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 0.9514

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 0.1001