VBench在评估视频生成质量时，并非依赖人眼主观打分，而是通过算法逐帧分析像素级变化与时空结构稳定性，精准衡量画面清晰度与连贯性。它重点考察视频生成中两个最容易出问题的硬指标：局部清晰度是否会随时间波动，以及主体与背景的空间关系是否持续可信。具体来说，VBench采用三种量化手段——一是时序超分辨率一致性检测，通过帧组重建误差的跃升识别“清晰度断层”；二是动态区域锐化保真度验证，监测运动边缘的梯度幅值方差；三是构建三维时空拓扑图，追踪16维空间关系偏移量，并结合背景层独立光流检验，全面量化一致性。

你是否好奇万兴天幕在VBench评测中究竟如何被判定画面是否清晰、连贯，而不是只看宣传片里那一两秒的“高光片段”？实际上，VBench的评估逻辑远比想象中更精细——它不依赖人眼打分，而是用算法逐帧紧盯像素级变化与时空结构稳定性，尤其关注视频生成中最容易崩的两个硬指标：局部清晰度是否随时间波动，以及主体与背景的空间关系是否持续可信。

VBench如何量化“画面清晰度”

方法一：时序超分辨率一致性检测
VBench-2.0不再单独计算单帧PSNR或LPIPS，而是将视频切分为连续16帧组，用预训练的时序感知超分网络反向推演每帧的潜在高清基底。如果某帧的重建误差突然跃升（Δ > 0.18），就标记为“清晰度断层”，计入【清晰度时序崩溃】扣分项。这正是万兴天幕2.0在VBench-2.0中得分高于同类模型的关键——其帧间超分误差标准差仅为0.037，远低于行业均值0.092。

方法二：动态区域锐化保真度验证
系统会自动识别运动物体边缘（比如行走人物裤脚、飘动发丝），提取其亚像素级梯度幅值序列。如果这个序列的方差超过阈值0.41，就判定为“动态模糊溢出”。万兴天幕2.0在此项得分92.6%，主要得益于其内置的Motion-Aware Sharpness模块，在摄像机运动场景下仍能锁定高频纹理。

VBench怎么测“画面一致性”

第一步：构建三维时空拓扑图
对于输入Prompt中提到的每个实体（比如“穿红裙的女人”“梧桐树”“玻璃窗”），VBench先通过CLIP-ViT-L/14提取语义锚点，再用轻量级NeRF重建其在视频时空域中的隐式表面——不是简单跟踪bbox，而是建模几何深度与材质反射属性。

第二步：追踪16维空间关系偏移量
每5帧采样一次拓扑图关键节点（共127个），计算其相对于初始帧的欧氏位移、法向旋转、光照响应偏移三项指标。只要任意一项累计偏移超限（位移>2.3px/帧、旋转>1.7°/帧、反射率波动>12%），就会触发【空间关系漂移告警】。ToMoviee 2.0 AI在此项实现了零告警，是目前唯一全维度达标的模型。

第三步：背景层独立稳定性校验
将画面分离为前景实体层与背景层，分别运行独立的光流一致性检验。背景层要求全局光流场散度绝对值均值小于0.08，否则判为“背景呼吸效应”。万兴天幕2.0在夜景+雨天双复杂条件下仍保持0.051的均值，优于Sora的0.068。