VQA_model/README_correlation.md

相关系数计算工具

这个Python脚本用于计算两个视频质量评分文件之间的相关系数（SRCC、KRCC、PLCC）。

功能

• 从JSON/JSONL文件中提取rel_path和clip_score
• 从TXT文件中提取视频路径和质量分数
• 计算斯皮尔曼等级相关系数 (SRCC)
• 计算肯德尔等级相关系数 (KRCC)
• 计算皮尔逊线性相关系数 (PLCC)
• 验证两个文件中的路径匹配情况

依赖

• Python 3.6+
• NumPy
• SciPy

使用方法

python calculate_correlation.py --jsonl <jsonl文件路径> --txt <txt文件路径>

示例

python calculate_correlation.py --jsonl clipscore_results/clipscore_checkpoint.json --txt /home/wangjuntong/VQA_model/dataset/video_editing_score/video_quality.txt

输入文件格式

JSONL/JSON 文件格式

预期的JSON文件格式如下：

{
  "results": [
    {
      "video_path": "/path/to/video.mp4",
      "rel_path": "relative/path/to/video.mp4",
      "clip_score": 36.375,
      "...": "..."
    },
    ...
  ]
}

或者：

[
  {
    "video_path": "/path/to/video.mp4",
    "rel_path": "relative/path/to/video.mp4",
    "clip_score": 36.375,
    "...": "..."
  },
  ...
]

TXT 文件格式

预期的TXT文件格式为每行一个记录，路径和分数由逗号分隔：

relative/path/to/video.mp4,42.67
another/path/to/video.mp4,56.0
...

输出

脚本将输出：

• 加载的文件统计信息
• 两个文件路径匹配的数量
• SRCC、KRCC、PLCC相关系数及其p值
• 用于计算的样本数

注意事项

• 确保两个文件中的路径格式相同，否则匹配可能失败
• JSON文件中必须包含rel_path和clip_score字段
• TXT文件每行必须包含一个路径和一个分数，以逗号分隔