首页
/ Latte项目中Sky数据集FVD评估问题的技术解析

Latte项目中Sky数据集FVD评估问题的技术解析

2025-07-07 22:24:36作者:姚月梅Lane

在视频生成模型评估过程中,Frechet Video Distance(FVD)是一个重要的量化指标。本文针对Latte项目中使用Sky Timelapse数据集进行FVD评估时遇到的技术问题进行分析,并提供完整的解决方案。

数据集结构问题分析

原始Sky Timelapse数据集采用两级目录结构:

sky_train/
├── 08ug3bzhV8Y/
│   └── 08ug3bzhV8Y_1/
└── 3bufRYg7qxY/
    ├── 3bufRYg7qxY_1/
    └── 3bufRYg7qxY_2/

这种结构会导致FVD计算脚本报错"Video directories should be inside the root dir"。根本原因是Latte的评估脚本要求视频帧必须直接位于一级子目录下。

正确的数据结构规范

符合Latte评估要求的数据结构应为:

sky_train_fvd/
├── 08ug3bzhV8Y_1/
│   ├── frame_000001.jpg
│   └── frame_000002.jpg
└── 3bufRYg7qxY_1/
    ├── frame_000001.jpg
    └── frame_000002.jpg

分辨率处理要点

评估过程中另一个关键点是分辨率处理。原始Sky数据集并非256×256分辨率,需要特别注意:

  1. 训练阶段:Latte模型会自动进行中心裁剪和缩放处理
  2. 评估阶段:需要手动预处理,建议采用中心裁剪后缩放的策略

完整评估流程

  1. 数据预处理

    • 重组目录结构为单层
    • 执行中心裁剪和分辨率调整(建议使用多进程处理)
  2. 视频生成

torchrun --nnodes=1 --nproc_per_node=8 sample/sample_ddp_baseline.py \
--config configs/sky/sky_sample.yaml \
--ckpt ckpts/skytimelapse.pt \
--save_video_path output_videos/
  1. 视频转帧
python tools/convert_videos_to_frames.py \
-s output_videos \
-t output_frames --target_size 256
  1. FVD计算
python tools/calc_metrics_for_dataset.py \
--real_data_path processed_sky_train \
--fake_data_path output_frames \
--resolution 256 --metrics fvd2048_16f

常见问题排查

  1. FVD值异常偏高

    • 检查分辨率是否一致
    • 确认预处理方式(必须与训练时相同)
    • 验证生成视频的视觉质量
  2. 评估速度优化

    • 使用--use_cache 1参数
    • 适当增加GPU数量

通过以上步骤,可以确保在Latte项目中正确评估Sky数据集的生成效果。特别提醒,数据预处理的质量直接影响评估结果的可靠性,建议在处理前后都进行可视化检查。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
941
555
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
openHiTLSopenHiTLS
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
992
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
509
44
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279