arXiv Computer Vision· Caorui Li, Yangguang Ji, Shuxia Lin, Yu Chen, YiCheng Xiao, Yongliang Wu, Zhenxiang Jiang, Licheng Tang, Deng Li, Zhuxuanzi Wang, Jiahao Sun, Chonghan Liu, Lirian Su, Jay Wu, Xu Yang·· 2 天前AI 评分31
ArtiVidRM：以可验证伪影为评分标准的视频生成奖励模型
ArtiVidRM: Verifiable Artifact-as-Rubric Reward Modeling for Explicit Quality Articulation in Video Generation
AI 导读
ArtiVidRM 是一个可验证、以伪影为评分标准的视频奖励模型，采用“先观察再打分”范式：先识别可见生成伪影并整理成结构化伪影列表，再以该列表作为显式评分标准评估质量。研究还引入多奖励强化学习策略，联合优化伪影预测与质量评估，目标涵盖语义覆盖、预测效率及基于分数差的成对偏好。实验显示其在视频偏好基准上达到 SOTA，并为视频扩散优化提供有效信号，支持对闭源视频生成器进行伪影引导的改进。
来源：arXiv Computer Vision · arxiv.org