update README

README.md

@@ -1,87 +1,80 @@
 # VBench I2V 评测环境
 
-VBench Image-to-Video 评测的完整环境，包含预训练模型和数据。
+VBench Image-to-Video (I2V) 评测环境，包含评测代码、预训练模型与数据压缩包，以及可选的采样框架。
 
-## 目录结构
+## 目录结构（Hub 上传形态）
 
 ```
 vbench-i2v/
-├── vbench_env/                    # Python 虚拟环境 (Python 3.12)
-├── vbench/                        # VBench 源码
+├── README.md
+├── .hfignore                         # `hf upload` 忽略规则（避免重复上传解压目录）
+├── vbench_env.tar.gz                 # Python 虚拟环境压缩包（可选，解压后得到 vbench_env/）
 ├── vbench2_beta_i2v/
-│   ├── pretrained_models/         # 预训练模型 (~3.9GB)
-│   │   ├── aesthetic_model/       # 美学评分模型
-│   │   ├── amt_model/             # 运动平滑度模型
-│   │   ├── dreamsim_model/        # DreamSim 模型
-│   │   ├── pyiqa_model/           # 图像质量模型
-│   │   ├── raft_model/            # 动态程度模型
-│   │   └── torch/                 # DINO, CoTracker 等
-│   ├── data/
-│   │   ├── origin/                # 原始图像 (355张)
-│   │   └── crop/                  # 裁剪后图像 (4种比例)
-│   └── MIGRATION_README.md        # 迁移指南
-├── i2v_data/
-│   └── videos/I2VGen-XL/          # 视频数据 (需自行下载)
-├── run_i2v_eval.py                # 评测脚本
-├── verify_models.py               # 模型验证脚本
-├── fix_venv_paths.sh              # 路径修复脚本
-└── requirements_full.txt          # 依赖列表
-```
+│   ├── pretrained_models.tar.gz      # 预训练模型压缩包（解压后得到 pretrained_models/）
+│   ├── data.tar.gz                   # 输入图像压缩包（解压后得到 data/）
+│   └── third_party.tar.gz            # 第三方依赖压缩包（解压后得到 third_party/）
+└── vbench/                           # VBench 源码
 
-## 快速开始
+说明：为避免重复上传（压缩包 + 解压目录），Hub 上默认以 `*.tar.gz` 为主；需要使用时请自行解压。
 
-### 1. 下载仓库
+## 解压数据与模型
 
 ```bash
-# 使用 ModelScope CLI
-modelscope download --model lxllxl1hihihi/vbench-i2v --local_dir ./vbench-i2v
+cd vbench-i2v
 
-# 或使用 Git (需要 git-lfs)
-git lfs install
-git clone https://www.modelscope.cn/lxllxl1hihihi/vbench-i2v.git
+# 可选：解压虚拟环境（如果你希望复用该环境）
+tar -xzf vbench_env.tar.gz
+
+# 解压评测所需数据/模型
+tar -xzf vbench2_beta_i2v/data.tar.gz -C vbench2_beta_i2v
+tar -xzf vbench2_beta_i2v/pretrained_models.tar.gz -C vbench2_beta_i2v
+tar -xzf vbench2_beta_i2v/third_party.tar.gz -C vbench2_beta_i2v
+```
 ```
 
-### 2. 修复路径
+## 采样
 
-```bash
-cd vbench-i2v
-bash fix_venv_paths.sh $(pwd)
-```
+支持单机完整采样或跨机器分布式采样（VAE 和去噪分离）。
 
-### 3. 下载视频数据 (可选)
+```bash
+# 分布式采样
+python your_sampler.py encode --output-prompt-file prompts.txt --output-latent-file latents.txt
+python your_sampler.py denoise --prompt-file prompts.txt --latent-file latents.txt --output-dir ./denoised_latents
+python your_sampler.py decode --latent-dir ./denoised_latents --output-dir ./sampled_videos/my_model
 
-I2VGen-XL 视频数据需要从 Google Drive 下载:
-- https://drive.google.com/drive/folders/1t-Q7G2z99g6eJRp4tQf1IaTy-8Muqfkd
+# 单机完整采样
+python your_sampler.py full
+```
 
-下载后解压到 `i2v_data/videos/I2VGen-XL/`
+采样框架目录 `samplers/` 可能需要单独上传/同步（不一定包含在基础上传中）。
 
-### 4. 验证环境
+## 评测
 
 ```bash
+# 如果你解压了 vbench_env.tar.gz
 source vbench_env/bin/activate
-python verify_models.py
+
+python run_i2v_eval.py --videos_path ./sampled_videos/my_model --dimension i2v_subject
 ```
 
-### 5. 运行评测
+### 评测维度
 
-```bash
-python run_i2v_eval.py
-```
+| 维度 | 说明 |
+|------|------|
+| i2v_subject | 主体一致性 |
+| i2v_background | 背景一致性 |
+| camera_motion | 相机运动 |
+| subject_consistency | 视频内主体一致性 |
+| background_consistency | 视频内背景一致性 |
+| aesthetic_quality | 美学质量 |
+| imaging_quality | 图像质量 |
+| motion_smoothness | 运动平滑度 |
+| dynamic_degree | 动态程度 |
 
-## 评测维度
-
-| 维度 | 模型 | 说明 |
-|------|------|------|
-| i2v_subject | DINO | 主体一致性 |
-| i2v_background | DreamSim | 背景一致性 |
-| camera_motion | CoTracker | 相机运动 |
-| subject_consistency | DINO | 主体一致性 |
-| background_consistency | CLIP | 背景一致性 |
-| aesthetic_quality | CLIP + Aesthetic | 美学质量 |
-| imaging_quality | MUSIQ | 图像质量 |
-| temporal_flickering | - | 时序闪烁 |
-| motion_smoothness | AMT | 运动平滑度 |
-| dynamic_degree | RAFT | 动态程度 |
+## 采样规范
+
+- 每个 (image, prompt) 生成 **5 个视频** (index 0-4)
+- 命名：`{prompt}-{index}.mp4`
 
 ## 系统要求
 
@@ -90,12 +83,6 @@ python run_i2v_eval.py
 - ~40GB 磁盘空间
 - 16GB+ GPU 显存
 
-## 注意事项
-
-1. 首次运行时 CLIP 模型会自动下载到 `~/.cache/clip/`
-2. 如果路径与原始环境不同，请运行 `fix_venv_paths.sh` 修复
-3. 视频数据较大 (~19GB)，建议单独下载
-
 ## 相关链接
 
 - [VBench 官方仓库](https://github.com/Vchitect/VBench)