论文：V2V-Bench: A Comprehensive Benchmark for Video-to-Video Generation Evaluation

一句话核心结论

现有图文、文生视频评价指标无法适配视频转视频任务，本文提出全新多维评测基准 V2V-Bench，可精准评估视频转视频模型效果，评测结果也展现出主流模型各有优劣。

它到底研究了啥

研究场景

视频转视频（V2V）生成效果评测：该任务要求模型既遵循编辑指令，又保留原视频帧间对应关系，传统评测指标存在明显短板。

测试对象

两款商用模型 Grok Imagine、Gemini Veo3，一款开源模型 Open Sora 2。

怎么测的

构建包含11 个维度、五大类别的 V2V-Bench 评测体系，涵盖时间对齐、结构保真度、转换质量、视频画质、语义对齐；搭配多样原视频与高难度编辑任务开展测试，并将评测结果和人工打分做相关性校验。

测出来啥结果

1. 各模型优势互补：Grok Imagine 编辑保真度更优，Gemini Veo3 视觉画质更强。

2. 在 6 项视频转视频专属维度上，该基准与人工评判的斯皮尔曼相关系数达 0.905，评测结果可信度高。

最后结论

V2V-Bench 可有效填补视频转视频领域专业评测工具的空白，能客观衡量不同模型的实际表现。