ترخيص YOLO
العودة إلى مسرد Ultralytics

VBench

يقيّم VBench الفيديو المُنشأ بالذكاء الاصطناعي عبر 16 بُعدًا، من اتساق العناصر إلى الالتزام بالموجّه. ما الذي يقيسه كل بُعد وكيفية قراءة النتائج.

VBench هي مجموعة من المعايير لتوليد الفيديو من النص، وتقيّم المقاطع المُولّدة وفق 16 بُعدًا منفصلًا للجودة البصرية ومدى التزام المقاطع بالموجّه النصي. قدّمه باحثون من مختبر S-Lab التابع لجامعة نانيانغ التكنولوجية ومختبر شنغهاي للذكاء الاصطناعي في نوفمبر 2023 ضمن الورقة VBench: مجموعة معايير شاملة لنماذج توليد الفيديو، التي اختيرت ورقةً بارزةً في CVPR 2024. ومنذ ذلك الحين، أصبحت لوحة المتصدرين العامة مرجعًا شائعًا لمقارنة نماذج توليد الفيديو، بدءًا من نماذج LaVie وModelScope وVideoCrafter وCogVideo الواردة في الورقة الأصلية، وصولًا إلى أنظمة محوّلات الانتشار الأحدث.

قبل VBench، اعتمد التقييم على مقاييس توزيع مفردة مثل مسافة فريشيه للفيديو، وهي النظير الخاص بالفيديو لـمسافة فريشيه للإدراجات (FID). تقارن هذه المقاييس إحصاءات السمات للمقاطع الحقيقية والمُولّدة، لذا يُفترض برقم واحد أن يمثّل الحركة والهوية واتباع المطالبة في آن واحد. ويجزّئ VBench الجودة إلى مكونات لتمكين المطورين من تحديد جوانب القصور بدقة؛ كما جمع مؤلفوه تعليقات بشرية لتفضيلات كل بُعد، عبر مقارنة أزواج من مقاطع الفيديو لنماذج مختلفة، للتأكد من أن كل درجة آلية ترتّب النماذج بالطريقة نفسها التي يراها المشاهدون.

الأبعاد الستة عشر#

تندرج أبعاد تقييم VBench ضمن مجموعتين:

  • جودة الفيديو تقيّم المقطع بحد ذاته، من دون المطالبة: اتساق الموضوع واتساق الخلفية والوميض الزمني وسلاسة الحركة ودرجة الديناميكية لتقييم الجودة بمرور الوقت، إضافةً إلى الجودة الجمالية وجودة التصوير لكل إطار.
  • اتساق الفيديو مع الشروط يتحقق من مطابقة المقطع لمطالبته: فئة الجسم وتعدد الأجسام والفعل البشري واللون والعلاقة المكانية والمشهد للمحتوى؛ ونمط المظهر والنمط الزمني للأسلوب؛ والاتساق العام.

توازن درجة الحركة مقاييس الاتساق. إذ يحصل المقطع شبه الثابت على درجة جيدة في اتساق العنصر الرئيس والوميض الزمني تلقائيًا تقريبًا، لذا يقيس VBench أيضًا مقدار الحركة الفعلية. وتمنع قراءة هذه الأبعاد معًا النموذج من الفوز عبر توليد صور فوتوغرافية متحركة.

كيفية تقييم كل بُعد#

لكل بُعد أداة تقييم خاصة به، وعادةً ما تكون نموذج رؤية مدرّبًا مسبقًا يُطبَّق على إطارات مأخوذة من المقطع. يقارن اتساق الموضوع السمات المستخرجة من DINO، وهو محوّل رؤية ذاتي الإشراف، عبر الإطارات، ويفعل اتساق الخلفية الشيء نفسه باستخدام سمات الصور من CLIP. ويُقاس الوميض الزمني بمتوسط الفرق المطلق بين البكسلات في الإطارات المتتالية، على مقاطع شبه ثابتة فقط، تختارها خوارزمية RAFT لـالتدفق البصري، التي تقدّر الحركة أيضًا لحساب درجة الديناميكية. وتتحقق سلاسة الحركة من مدى نجاح نموذج استيفاء الإطارات، AMT، في إعادة بناء الإطارات المحذوفة، إذ يمكن توقّع الحركة الطبيعية من الإطارات المجاورة. وتستخدم الجودة الجمالية أداة التنبؤ الجمالي من LAION، بينما يستخدم التصوير النموذج MUSIQ لكشف الضبابية والضوضاء وفرط التعريض.

تطبّق أبعاد المحتوى نماذج أخرى على الإطارات. وتستخدم فئة الجسم وتعدد الأجسام واللون والعلاقة المكانية نموذج GRiT لـكشف الأجسام وإضافة التعليقات التوضيحية المفصّلة للتحقق من ظهور الأجسام المطلوبة بألوانها وترتيبها الصحيحين. ويستخدم الفعل البشري نموذج UMT لـالتعرف على الأفعال، ويقارن المشهد المطالبة بـالتعليقات التوضيحية للصور من Tag2Text، ويقارن نمط المظهر الإطارات بوصف النمط باستخدام CLIP، أما النمط الزمني والاتساق العام فيقارنان تضمينات الفيديو والنص من ViCLIP.

يستند كل بُعد إلى مجموعة مطالبات تضم نحو 100 مطالبة صُممت لاختباره. وتتيح مجموعة منفصلة من 800 مطالبة، بواقع 100 مطالبة ضمن كل فئة من ثماني فئات (الحيوانات والهندسة المعمارية والطعام والبشر ونمط الحياة والنباتات والمناظر الطبيعية والمركبات)، تقسيم النتائج بحسب موضوع المحتوى. وتطبّع لوحة المتصدرين كل بُعد وتجمع الأبعاد في درجة جودة موزونة ودرجة دلالية موزونة ودرجة إجمالية.

استخدام نتائج VBench#

لا تكون درجات لوحة المتصدرين قابلة للمقارنة إلا عند تشغيل النماذج باستخدام مجموعة المطالبات القياسية وإعدادات أخذ العينات نفسها. ويمكن لـ VBench أيضًا تقييم مقاطع فيديو مخصصة خارج تلك المجموعة، ولكن ضمن الأبعاد الستة التي لا تحتاج إلى مطالبة مرجعية: اتساق العناصر، واتساق الخلفية، وسلاسة الحركة، ودرجة الديناميكية، والجودة الجمالية، وجودة التصوير.

بما أن كل بُعد تقيسه نماذج أخرى، فإن كل درجة ترث نقاط ضعف النموذج الذي قاسها. فالكاشف الذي لا يرصد الأجسام الصغيرة أو غير المألوفة يقلل أيضًا من عددها في الفيديو المُنشأ، كما يعكس مقدّر الجماليات ذوق البيانات التي دُرّب عليها. ومع تحسن المولّدات في الأبعاد الأصلية التي تركز على المظهر، وسّعت المجموعة نفسها مجموعة الاختبارات. يضيف VBench++، المنشور في IEEE TPAMI، تقييم تحويل الصور إلى فيديو، والفيديوهات الطويلة، والجدارة بالثقة، بما يشمل الإنصاف والتحيز والسلامة، أما VBench-2.0، الذي صدر في مارس 2025، فيقيّم 18 بُعدًا من «الأمانة الجوهرية» موزعة على دقة تمثيل البشر، وإمكانية التحكم، والإبداع، والفيزياء، والمعرفة الحسّية العامة.

تظل الفحوص القائمة على الكواشف صالحة عندما تصبح المقاطع المُنشأة بيانات تدريب اصطناعية لنموذج رؤية. ويؤكد تشغيل Ultralytics YOLO26 في وضع التنبؤ على كل إطار مُنشأ ظهور الأجسام المطلوبة فعلًا قبل ضم اللقطات إلى مجموعة تدريب، وهو الفحص نفسه الذي يجريه بُعد فئة الأجسام في VBench باستخدام GRiT.

استكشف الحلول

الرؤية الحاسوبية في الرياضة

الرؤية الحاسوبية في الرياضة

اكتشف كيف يعزّز Ultralytics YOLO الرؤية الحاسوبية الرياضية عبر تتبّع اللاعبين والكرة، وتحليلات الأداء، ورؤى التدريب، وإعادة تأهيل الرياضيين.
معرفة المزيد
الرؤية الحاسوبية للصور الجوية

الرؤية الحاسوبية للصور الجوية

حوّل صور الطائرات المسيّرة والصور الجوية إلى رؤى آنية للزراعة وتربية الأحياء المائية والحفاظ على البيئة والتحليل الجغرافي المكاني باستخدام Ultralytics YOLO.
معرفة المزيد
الرؤية الحاسوبية في قطاع الطيران والفضاء

الرؤية الحاسوبية في قطاع الطيران والفضاء

طبّق الرؤية الحاسوبية في مجال الطيران والفضاء باستخدام Ultralytics YOLO لفحص الطائرات، واكتشاف الأجسام الغريبة على المدارج (FOD)، والعمليات الأرضية في المطارات، واكتشاف عيوب المواد المركّبة.
معرفة المزيد
الرؤية الحاسوبية في مجال الأمن

الرؤية الحاسوبية في مجال الأمن

احمِ كل موقع باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري مراقبة المحيط، واكتشاف التهديدات، والتعرف على لوحات المركبات، والسلامة في مكان العمل.
معرفة المزيد
الرؤية الحاسوبية في الروبوتات

الرؤية الحاسوبية في الروبوتات

عزّز أداء الآلات الذكية باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري في الروبوتات الملاحة الذاتية والإدراك وتعقب الأجسام والتحكم الآني.
معرفة المزيد
الرؤية الحاسوبية في الخدمات اللوجستية

الرؤية الحاسوبية في الخدمات اللوجستية

بسّط العمليات اللوجستية باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري فحص الطرود وفرزها وتتبع المركبات ومراقبة سلامة المستودعات في الوقت الفعلي.
معرفة المزيد
الرؤية الحاسوبية في تجارة التجزئة

الرؤية الحاسوبية في تجارة التجزئة

أعِد تصور تجارة التجزئة باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري تتبع المخزون ومراقبة الرفوف وإدارة الطوابير واستخلاص رؤى أذكى عن العملاء.
معرفة المزيد
الرؤية الحاسوبية في الرعاية الصحية

الرؤية الحاسوبية في الرعاية الصحية

أنشئ حلولًا للرعاية الصحية باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي البصري في الرعاية الصحية سرعة التصوير الطبي، وكفاءة التشخيص، ومراقبة المرضى.
معرفة المزيد
الرؤية الحاسوبية في التصنيع

الرؤية الحاسوبية في التصنيع

حسّن التصنيع باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية مراقبة الجودة واكتشاف العيوب والالتزام بمعدات الوقاية الشخصية وأتمتة خطوط التجميع.
معرفة المزيد
الرؤية الحاسوبية في قطاع السيارات

الرؤية الحاسوبية في قطاع السيارات

طبّق الرؤية الحاسوبية في قطاع السيارات باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية سلامة الطرق ومساعدة السائق وأتمتة المركبات لإنشاء طرق أكثر ذكاءً.
معرفة المزيد
الرؤية الحاسوبية في الزراعة

الرؤية الحاسوبية في الزراعة

أدخل الذكاء الاصطناعي البصري إلى الزراعة الذكية باستخدام نماذج Ultralytics YOLO. عزّز مراقبة المحاصيل وتتبع الماشية والزراعة الدقيقة لزيادة الإنتاجية وتحسينها.
معرفة المزيد

لنبنِ مستقبل الذكاء الاصطناعي معًا!

ابدأ رحلتك نحو مستقبل تعلّم الآلة