---
title: vbench
canonical_url: "https://www.modelscope.cn/models/user66666666/vbench"
md_url: "https://www.modelscope.cn/models/user66666666/vbench.md"
repository: user66666666/vbench
last_updated: 2026-09-22
pipeline_tag: efficient-diffusion-tuning
tasks:
  - efficient-diffusion-tuning
parameters: 110.1M
tensor_type:
  - F32
library_name:
  - safetensors
downloads: 2
stars: 0
---

# vbench

> vbench - user66666666 在 ModelScope 开源的模型。本仓库归档了 VBench 1.0 custominput 无参考视频质量评测所需的预训练权重， 来源于 MiniMax-H3 (vLLM-Omni) 端到端评测环境（原缓存目录 vbenchcache，由 vbenchmmh3/vbenchdlrobust.sh / vbenchdlfix.sh 脚本下载，境内网络多经 hf-mirror.com 镜像，下同）。

- **Repository**: user66666666/vbench
- **Tasks**: efficient-diffusion-tuning
- **Parameters**: 110.1M
- **Downloads**: 2
- **Stars**: 0
- **Last updated**: 2026-09-22

Source: https://www.modelscope.cn/models/user66666666/vbench

---

# VBench 评测权重归档

本仓库归档了 [VBench](https://github.com/Vchitect/VBench) 1.0 `custom_input` 无参考视频质量评测所需的预训练权重，
来源于 MiniMax-H3 (vLLM-Omni) 端到端评测环境（原缓存目录 `vbench_cache`，由 `vbench_mmh3/vbench_dl_robust.sh` / `vbench_dl_fix.sh` 脚本下载，境内网络多经 hf-mirror.com 镜像，下同）。

各目录对应 VBench 的一个或多个评测维度：

| 目录 | 权重 | 用途（VBench 维度） | 来源 |
|---|---|---|---|
| `clip_model/` | ViT-B-32.pt / ViT-L-14.pt | CLIP 帧间/图文相似度（background_consistency、aesthetic_quality、imaging_quality 等） | OpenAI CLIP 官方 CDN：<https://openaipublic.azureedge.net/clip/models>（仓库 <https://github.com/openai/CLIP>） |
| `dino_model/` | dino_vitbase16_pretrain.pth（+ facebookresearch_dino_main 代码） | DINO 特征追踪，subject_consistency | Meta DINO：<https://dl.fbaipublicfiles.com/dino/dino_vitbase16_pretrain/dino_vitbase16_pretrain.pth>，代码 <https://github.com/facebookresearch/dino> |
| `raft_model/` | raft-things.pth | 光流，dynamic_degree | RAFT (princeton-vl)，经官方 models.zip：<https://dl.dropboxusercontent.com/s/4j4z58wuv8o0mfz/models.zip>，<https://github.com/princeton-vl/RAFT> |
| `amt_model/` | amt-s.pth | 帧插值，temporal_flickering（静态度） | AMT (MCG-NKU)：<https://github.com/MCG-NKU/AMT>（下载自 hf 镜像 `lalala125/AMT`） |
| `aesthetic_model/` | emb_reader/sa_0_4_vit_l_14_linear.pth | LAION 美学线性头，aesthetic_quality | <https://github.com/LAION-AI/aesthetic-predictor> |
| `pyiqa_model/` | musiq_spaq_ckpt-358bb6af.pth | MUSIQ 无参考图像质量，imaging_quality | IQA-PyTorch release：<https://github.com/chaofengc/IQA-PyTorch/releases/tag/v0.1-weights> |
| `ViCLIP/` | ViClip-InternVid-10M-FLT.pth + bpe_simple_vocab_16e6.txt.gz | ViCLIP 视频-文本相似度（overall_consistency 等语义维度） | <https://huggingface.co/OpenGVLab/VBench_Used_Models>（原始：InternVideo/ViCLIP，<https://github.com/OpenGVLab/InternVideo>）；bpe 词表来自 openai/CLIP |
| `umt_model/` | l16_ptk710_ftk710_ftk400_f16_res224.pth | UMT 视频模型（语义维度评测） | <https://huggingface.co/OpenGVLab/VBench_Used_Models>（原始：<https://github.com/OpenGVLab/UniversalVideoModels>） |
| `grit_model/` | grit_b_densecap_objectdet.pth | GRiT 密集描述/目标检测（object_class、color、spatial_relationship 等技术无关语义维度） | <https://huggingface.co/OpenGVLab/VBench_Used_Models>（原始 GRiT：<https://github.com/aaronchan18/GRiT>） |
| `caption_model/` | tag2text_swin_14m.pth | Tag2Text 视频打标（语义维度 prompt 匹配） | <https://huggingface.co/spaces/xinyu1205/recognize-anything> |
| `bert_model/` | bert-base-uncased/ | BERT 文本编码（UMT/GRiT 文本侧依赖） | <https://huggingface.co/google-bert/bert-base-uncased> |

## 说明

- `.done` 为空文件，是下载脚本断点续传的完成标记，无实际内容（未上传）。
- 原始缓存中另有 `videos_rep/`（评测用的生成样例视频与 prompt_file.json），非权重，未归档到本仓库。
- 总大小约 7 GB；`videos_rep` 与 `.done` 已剔除。
- 使用方式：设置环境变量 `VBENCH_CACHE_DIR` 指向本仓库下载后的目录（即各子目录结构与本仓库一致），再运行 VBench `custom_input` 评测。