在 AI 生成视频领域，我们曾惊叹于 Sora 的细腻质感，也曾被 Kling 的流畅转场折服。然而，斯坦福与北大联合提出的 HumanScore 给行业浇了一盆冷水：视觉上的“看起来真”和生物力学上的“动作真”之间，依然存在巨大的鸿沟。

TL;DR

现在的 AI 视频模型在处理“人体”时，经常会出现人体解剖结构的坍塌：比如跳舞时手臂在拉长、跑步时关节向后弯曲、或者动作像“瞬移”一样不连贯。HumanScore 是第一个系统性利用生物力学（Biomechanics）标准来量化这些隐形瑕疵的评测方案。

痛点深挖：为何我们需要生物力学视角？

现有的评估指标（如 VBench, FVD）主要关注像素层面的平滑度或文本对齐。但在实际应用中，如动作教学、医疗康复或电影工业，物理真实性 (Physical Plausibility) 至关重要。

目前的模型在复杂动作（如跑酷、芭蕾）中常表现出三种失败模式：

1. 解剖学异常：鬼影肢体（多出一只手）或骨骼在运动中像橡皮筋一样收缩。
2. 运动学冲突：膝盖像向外翻转（超伸），或者手臂直接穿过了躯干。
3. 动力学违和：加速度突变导致动作看起来像是在“抽搐”或“丢帧”。

核心机制：三层生物力学金字塔

作者基于人体生物力学，建立了一个严密的三层检测体系：

1. 解剖层 (Anatomy)：

   • 使用 HADM 专门检测额外肢体。
   • 引入 OpenSim 骨架模型，强制执行刚体约束。如果 AI 生成的视频里小腿变长了，这个指标就会骤降。

2. 运动层 (Kinematic)：

   • 规定了每个关节旋转的极限角度（Joint Range of Motion）。
   • 检测 Self-collision，即 AI 是否让两个 3D 几何体发生了重合。

3. 动力层 (Kinetic)：

   • 基于牛顿第二定律 ($F=ma$)，分析角速度和角加速度。如果动作超出了人类肌肉所能爆发的极限，将被判定为“违和”。

战绩：谁才是真正的“生力冠军”？

实验对 13 个顶级模型进行了 102 个维度的压测。

核心发现：

• 国产力量占优：Seedance 1.0 Pro Fast、HunyuanVideo 1.5 和 KlingAI 2.5 Turbo Pro 位列前三，在动作稳定性上超过了部分国际主流模型。
• 开源不输闭源：混元（Hunyuan）在解剖正确性上表现惊人，甚至在某些指标上超越了闭源模型。
• 物理鸿沟：即便是得分最高的 AI 模型（91.1），距离真实视频的得分（94.3）仍有显著差距，尤其是在运动学可行性上表现较弱。

局限性与展望

虽然 HumanScore 提供了极其深度的见解，但它也受限于现有的 Monocular 3D Human Pose Estimation 技术。如果估计器本身对深度的恢复不准，可能会给真实的视频也打出较低的分数。这也是为什么论文中真实视频也不是 100 分的原因。

未来启示：单纯卷算力和数据规模可能已经触及了天花板。下一代视频生成模型必须将物理引擎或生物力学 Prior 植入到网络架构中，才能让 AI 造出真正符合自然法则的世界。

总结：HumanScore 的出现标志着视频生成从“拼画质”阶段正式步入“拼物理律”的新阶段。