弗雷歇视频距离

Fréchet Video DistanceFVD进阶

衡量一批生成视频与真实视频整体有多像的指标，数值越低越好。

FVD 由约翰·开普勒大学、IDSIA 和谷歌大脑的研究者在 2018 年底提出，是图像指标 FID（弗雷歇初始距离）的视频版。做法是把真实视频和生成视频都送进在 Kinetics 动作识别数据集上预训练的 I3D 网络（一种 3D 卷积网络，能同时捕捉画面和时间变化）提取特征，各自拟合成多元高斯分布，再计算两个分布之间的弗雷歇距离。数值越低，说明生成视频在画质和时间连贯性上越接近真实视频；作者的人工评测显示它与人的主观判断相关性较好。它是视频生成和世界模型论文最常用的指标之一，但比较的是整体分布，不检查单条视频里物理是否合理、机器人动作是否正确，因此具身场景常配合 EWMBench 等专门基准使用。