lxl-158/vbench-i2v

VBench I2V 评测环境

VBench Image-to-Video (I2V) 评测环境，包含评测代码、预训练模型与数据压缩包，以及可选的采样框架。

目录结构（Hub 上传形态）

vbench-i2v/
├── README.md
├── .hfignore                         # `hf upload` 忽略规则（避免重复上传解压目录）
├── vbench_env.tar.gz                 # Python 虚拟环境压缩包（可选，解压后得到 vbench_env/）
├── vbench2_beta_i2v/
│   ├── pretrained_models.tar.gz      # 预训练模型压缩包（解压后得到 pretrained_models/）
│   ├── data.tar.gz                   # 输入图像压缩包（解压后得到 data/）
│   └── third_party.tar.gz            # 第三方依赖压缩包（解压后得到 third_party/）
└── vbench/                           # VBench 源码

说明：为避免重复上传（压缩包 + 解压目录），Hub 上默认以 `*.tar.gz` 为主；需要使用时请自行解压。

## 解压数据与模型

```bash
cd vbench-i2v

# 可选：解压虚拟环境（如果你希望复用该环境）
tar -xzf vbench_env.tar.gz

# 解压评测所需数据/模型
tar -xzf vbench2_beta_i2v/data.tar.gz -C vbench2_beta_i2v
tar -xzf vbench2_beta_i2v/pretrained_models.tar.gz -C vbench2_beta_i2v
tar -xzf vbench2_beta_i2v/third_party.tar.gz -C vbench2_beta_i2v

## 采样

支持单机完整采样或跨机器分布式采样（VAE 和去噪分离）。

```bash
# 分布式采样
python your_sampler.py encode --output-prompt-file prompts.txt --output-latent-file latents.txt
python your_sampler.py denoise --prompt-file prompts.txt --latent-file latents.txt --output-dir ./denoised_latents
python your_sampler.py decode --latent-dir ./denoised_latents --output-dir ./sampled_videos/my_model

# 单机完整采样
python your_sampler.py full

采样框架目录 samplers/ 可能需要单独上传/同步（不一定包含在基础上传中）。

评测

# 如果你解压了 vbench_env.tar.gz
source vbench_env/bin/activate

python run_i2v_eval.py --videos_path ./sampled_videos/my_model --dimension i2v_subject

评测维度

维度	说明
i2v_subject	主体一致性
i2v_background	背景一致性
camera_motion	相机运动
subject_consistency	视频内主体一致性
background_consistency	视频内背景一致性
aesthetic_quality	美学质量
imaging_quality	图像质量
motion_smoothness	运动平滑度
dynamic_degree	动态程度

采样规范

• 每个 (image, prompt) 生成 5 个视频 (index 0-4)
• 命名：{prompt}-{index}.mp4

系统要求

• Python 3.12.x
• CUDA 11.8+
• ~40GB 磁盘空间
• 16GB+ GPU 显存

相关链接

• VBench 官方仓库
• VBench 论文