当 AI 学会运镜之后，谁来给镜头打分？—— CamWorldQA 论文深度解读

论文：CamWorldQA: Perceptual Quality Assessment of Camera-Controlled World Video Generation 作者：Yunhe Li, Likun Wu, Sijing Wu 等（上海交通大学 & 埃因霍温理工大学） arXiv: 2608.18710v1 [cs.CV]，2026 年 8 月 关键词：视频质量评价（VQA）、相机控制视频生成、数据集与基准、无参考质量评价

一、介绍：生成视频的\”运镜自由\”与\”评价真空\”

做视频编码的老哥们都懂一个道理：编码器造出来了，还得有 RD 曲线才能比优劣。主观质量评价（MOS）+ 客观指标（PSNR/SSIM/VMAF）构成了整个 codec 领域的\”裁判体系\”。ITU-R BT.500 这套主观测试流程，我们跑过不知道多少遍。

而现在，视频生成领域正经历一场类似的\”裁判真空\”。

2025 年以来，视频生成模型进化出了一个新的技能点：相机控制（camera-controlled video generation）。给它一段源视频 + 一条目标相机轨迹（比如\”向左横移 0.25 个单位\”），它就能重新\”渲染\”出一段视角变化的视频。这背后的应用想象空间很大——电影重拍（retake）、VR、具身智能、交互式世界模拟。

但生成模型不听话的时候也很多，论文总结了四类典型翻车现场：