VGA-BenchV2：扩展的统一基准与多模型框架，用于评估视频美学与生成质量

VGA-BenchV2 是一个扩展的视频美学与生成质量评估基准和优化框架，基于 VGA-Bench 保留了美学和生成两个主维度及 52 个子维度，收集了 1,016 个提示词和 60,000 多个由 12 个主流模型生成的视频，新增 36,000 条任务级人工标注，并开发了混合评估器架构，包括 VAQA-Net、VTag-Net 和 VGQA-Net，同时引入评估到优化的流程，用美学评估器作为奖励模型进行强化学习微调。

与 VGA-Bench 相比，VGA-BenchV2 将人工标注规模大幅扩大，美学质量、美学标注和生成质量的标注量分别增至原来的 13.46 倍、11.15 倍和 1.55 倍，并首次将评估器用作奖励模型，实现从评估到优化的闭环，这标志着视频生成质量评估从纯评价走向可指导模型改进的新阶段。

VGA-BenchV2 采用细粒度分类体系，通过大规模人工标注训练混合评估器，其中 VAQA-Net 负责连续美学打分，VTag-Net 和 VGQA-Net 分别负责美学标签和生成质量评估。该评估器可作为奖励模型，通过强化学习微调视频生成器，从而将人类偏好直接融入生成优化，提升真实感和美学价值。

该框架可帮助视频生成产品建立更符合人类审美的质量评估体系，显著减少人工评测成本，并直接用于微调生成模型，改善输出视频的美学质量和用户偏好匹配度，可能提升用户满意度和产品竞争力。

• 采用 VGA-BenchV2 的评估器替换现有视频生成产品的内测人工评测环节，降低主观偏差和人力成本。
• 基于其标注体系构建自动化美学评分工具，用于视频生成产品的实时质量监控和回归测试。
• 利用其评估到优化流程，对自家视频生成模型进行强化学习微调，针对性提升美学质量。
• 参考其 52 个子维度构建更细粒度的用户反馈收集机制，指导产品功能迭代。

• VGA-BenchV2 是否公开了评估器的权重或 API，以便直接集成到现有产品中？
• 12 个主流视频生成模型具体是哪些，是否包含当前市场主要供应商的模型？
• 该基准在非英语或文化多样性的提示词上的表现如何，是否具有跨文化适用性？
• 评估器作为奖励模型进行强化学习微调时，计算成本和训练稳定性如何？