课题详情： 课题背景： 随着Seedance2.0、可灵3.0等视频生成大模型取得突破性进展，AI在影视制作中的角色正从辅助工具向核心生产力跃迁。然而，现有的视频生成评测体系主要面向通用场景，侧重画面质量、文本一致性等基础维度，难以满足影视工业对叙事逻辑、视听语言、物理规律及审美风格等方面的高阶要求。因此，亟需建立一套专门针对"影视场景"的Benchmark（基准测试），为模型能力提供专业化衡量标尺，推动AI真正融入影视工业化流程。 课题挑战： 本课题面临三大核心难点。一是评测维度的定义难，影视制作涉及叙事连贯性、镜头语言（景别、运镜、剪辑节奏）、表演真实性、光影美学、物理合理性等多个高度专业化的维度，如何将这些主观性强、依赖行业经验的标准转化为可量化、可计算的评测指标，是首要挑战。二是评测数据的构建难，需要收集并标注覆盖不同影视类型与制作需求的高质量测试集，标注过程需影视专业人员深度参与，成本高且标准统一难度大。三是评测方法的设计难，影视场景评测需兼顾单帧画面质量与时序叙事逻辑的双重考量，而人类审美判断与自动化指标之间往往存在较大偏差，如何设计一套人机协同、既高效又可信的评测方法，是核心技术挑战。 具体工作： 参与影视场景评测维度与指标体系的设计；构建并标注影视场景专用测试数据集；开发自动化与人工结合的评测工具；对主流视频生成模型进行系统性测评与分析，撰写评测报告与学术论文。 课题要求： 1、具备较强的学习能力、清晰的逻辑思维能力和出色的沟通能力，有强烈的好奇心； 2、熟悉现有大模型评测流程，有探索新理论与新方法的热情； 3、具有扎实的计算机视觉和机器学习算法基础，有大模型评测方向顶级论文者优先。