شهد مجال توليد مقاطع الفيديو باستخدام الذكاء الاصطناعي (AI Video Generation) تقدمًا مذهلاً، مما أدى إلى استخدامات تجارية واسعة النطاق. ومع تزايد انتشار هذه التكنولوجيا، أصبحت الفروق في الجودة بين مقاطع الفيديو الإنتاجية بواسطة نماذج الذكاء الاصطناعي المتطورة أمراً يصعب تمييزه باستخدام معايير التقييم التقليدية مثل دقة الصورة واتباع التعليمات الدلالية.

تتطلب التقييمات البشرية حاليًا مستوى عالٍ من الخبرة والتركيز المستمر، مما يزيد من تكلفة التقييم. لذا، أصبح من الملح المطالبة بتقييم آلي يمكنه تمييز الفروق الدقيقة بين نماذج الذكاء الاصطناعي المتقدمة بمقدار أقل من التدخل البشري.

تلبية لهذه الحاجة، يظهر RAVEN-Eval، وهو إطار تقييم آلي يعتمد على المبادئ التوجيهية، وهو مصمم خصيصًا لتقييم نماذج توليد مقاطع الفيديو المعتمدة على تفضيلات نماذج اللغات الضخمة (LMM). من خلال نظام تنسيق المهام والتصفية الآلية للجودة، قام RAVEN-Eval بتجميع 150 مهمة من النص إلى الفيديو (Text-to-Video - T2V) و100 مهمة من الصورة إلى الفيديو (Image-to-Video - I2V)، وجمع أكثر من 4500 مقطع فيديو تم إنتاجه بواسطة الذكاء الاصطناعي.

في جوهره، يعتمد RAVEN-Eval على أسلوب تفضيل LMM القائم على التوجيهات، حيث تقوم نماذج اللغات الضخمة بإجراء مقارنات ثنائية وفقًا لمعايير محددة تنسقها المهام. كما يintroduce نموذج إدخال قائم على مرجع لتقليل تكلفة تقييم نماذج جديدة.

أخيرًا، قام RAVEN-Eval بتقييم 20 نموذجاً عالي الأداء من نماذج توليد الفيديو التي تعمل بالذكاء الاصطناعي، بالإضافة إلى قدرات الحكم لـ 13 نموذج لغة ضخم، مما أدى إلى إنشاء قائمة RAVEN-Eval للمتصدرين. تعتبر هذه التطورات خطوة نحو توفير طرق فعالة وقابلة للتوسع لتقييم موثوق لنماذج الفيديو التي تتطور بسرعة.

في النهاية، يمثل RAVEN-Eval مستقبلًا واعدًا لعالم تقييم مقاطع الفيديو من خلال الذكاء الاصطناعي. ما رأيكم في هذا الإطار الثوري؟ شاركونا آرائكم في التعليقات!