你可能刷到过这样的AI生成视频：一个篮球从空中弹地，动作流畅得几乎看不出破绽，可仔细看第三帧,球好像从地板里穿过去了一点点。或者一段海豚跃出水面的画面,水花四溅,光影完美,但海豚的跳跃高度低得离谱,更像是在水面轻轻蹭了一下。
这些视频不是画质差,恰恰相反,它们的画质好到让你一开始根本没注意到问题。这就是现在AI视频生成面临的一个尴尬处境:视频越做越逼真,但逼真和"符合物理规律"完全是两回事。
现在业界评价一段AI视频好不好,主流做法是让另一个AI模型看一遍,打一个分数,比如"整体质量8.5分"。这个分数能告诉你什么?几乎什么都不能。它不会告诉你篮球是在第几秒穿墙的,不会告诉你违反的是哪一条物理定律,更不会告诉你这个判断是怎么得出来的。你只能拿到一个数字,然后自己去猜。
这篇来自卡内基梅隆大学、佐治亚理工学院和Adobe研究院团队的论文,提出了一套名叫VeriPhy的系统,试图解决这个问题。它的核心主张很直接:一个可信的评判,不该只给你一个分数,而应该告诉你到底哪里错了,错在什么时候,凭的是什么证据。
为什么这事没那么简单
你可能会想,这不就是让AI仔细看视频,然后写个报告吗?有什么难的?
难就难在,"仔细看"这件事,如果没有章法,很容易变成另一种形式的想当然。
想象你请一个不懂篮球规则的朋友帮你检查一段篮球比赛视频有没有犯规。他可能会盯着球员的表情看,盯着观众席看,却唯独没留意脚有没有踩线,因为他压根不知道该看哪里。现在主流的视频质量评估模型,面对一段视频时也是类似的处境:它没有一个明确的"检查清单
天顺优配提示：文章来自网络，不代表本站观点。
