VBench 项目使用教程
2024-09-27 18:55:27作者:冯梦姬Eddie
VBench
[CVPR2024] VBench: Comprehensive Benchmark Suite for Video Generative Models
1. 项目目录结构及介绍
VBench 项目的目录结构如下:
VBench/
├── asset/
├── bin/
├── competitions/
├── pretrained/
├── prompts/
├── sampled_videos/
├── scripts/
├── submodules/
├── vbench/
├── vbench2_beta_i2v/
├── vbench2_beta_long/
├── vbench2_beta_trustworthiness/
├── .gitignore
├── LICENSE
├── MANIFEST.in
├── README-pypi.md
├── README.md
├── dimension_to_folder.json
├── evaluate.py
├── evaluate.sh
├── evaluate_i2v.py
├── evaluate_trustworthy.py
├── requirements.txt
├── setup.py
├── static_filter.py
目录介绍
- asset/: 存放项目相关的资源文件。
- bin/: 存放可执行文件或脚本。
- competitions/: 存放与竞赛相关的文件。
- pretrained/: 存放预训练模型文件。
- prompts/: 存放用于生成视频的提示文件。
- sampled_videos/: 存放生成的视频样本。
- scripts/: 存放项目使用的脚本文件。
- submodules/: 存放子模块文件。
- vbench/: 存放 VBench 核心代码。
- vbench2_beta_i2v/: 存放 Image-to-Video (I2V) 模型的相关代码。
- vbench2_beta_long/: 存放用于评估长视频的相关代码。
- vbench2_beta_trustworthiness/: 存放用于评估视频生成模型可信度的相关代码。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目许可证文件。
- MANIFEST.in: 打包配置文件。
- README-pypi.md: PyPI 版本的 README 文件。
- README.md: 项目主 README 文件。
- dimension_to_folder.json: 维度到文件夹的映射配置文件。
- evaluate.py: 视频生成模型评估的主脚本。
- evaluate.sh: 评估脚本的 shell 版本。
- evaluate_i2v.py: 用于评估 Image-to-Video (I2V) 模型的脚本。
- evaluate_trustworthy.py: 用于评估视频生成模型可信度的脚本。
- requirements.txt: 项目依赖库列表。
- setup.py: 项目安装脚本。
- static_filter.py: 静态过滤器脚本。
2. 项目启动文件介绍
VBench 项目的主要启动文件是 evaluate.py
。该文件是用于评估视频生成模型的主脚本。通过运行该脚本,可以对视频生成模型进行全面的评估。
启动命令示例
python evaluate.py --dimension subject_consistency --videos_path /path/to/videos
参数说明
--dimension
: 指定评估的维度,例如subject_consistency
、background_consistency
等。--videos_path
: 指定待评估视频的路径。
3. 项目配置文件介绍
VBench 项目的主要配置文件包括 dimension_to_folder.json
和 requirements.txt
。
dimension_to_folder.json
该文件用于映射评估维度到相应的文件夹。每个维度对应一个文件夹,文件夹中存放了用于评估该维度的相关文件。
requirements.txt
该文件列出了项目运行所需的 Python 依赖库。通过运行以下命令可以安装所有依赖库:
pip install -r requirements.txt
其他配置文件
- setup.py: 用于项目的安装和打包。
- .gitignore: 用于配置 Git 忽略的文件和文件夹。
- LICENSE: 项目的许可证文件。
通过以上配置文件和启动文件,可以方便地对 VBench 项目进行配置和启动。
VBench
[CVPR2024] VBench: Comprehensive Benchmark Suite for Video Generative Models
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K