已验证65% 置信事实精确时间

FVD由Unterthiner等人于2019年提出，使用在Kinetics数据集上预训练的I3D网络提取视频时空特征，计算真实与生成视频分布间的Fréchet距离

3

来源数

65%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

欧拉运动引导：解决图像动画长序列漂移的新方案

redditr/learnmachinelearning2026/7/12

相关事实

待验证FVD是FID在视频领域的扩展版本，在计算分布差异时考虑了时间维度的特征72% 相似待验证CLIP score和FVD（Fréchet Video Distance）是可用于评估整体画质的定量指标70% 相似待验证当前主流视频处理采用静态方式，模型以固定帧率（默认 1 FPS，可通过 API 调整）逐帧摄取视频内容69% 相似待验证学界正在探索基于NeRF（神经辐射场）和3DGS（三维高斯溅射）的视频生成方案，有望解决跨帧空间一致性问题67% 相似待验证近年基于深度学习的抠图方案如 MODNet、RVM（Robust Video Matting）已能实现像素级精确分离67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/501375

API

curl https://kongchang.com/api/v1/knowledge/claims/501375

MCP

get_claim(id=501375)