新基准揭示文本到图像模型在地理街景准确性方面存在困难

研究人员开发了GeoFidelity-Bench，这是一个旨在评估文本到图像模型在生成街景图像时的地理准确性的新基准。该基准使用来自Mapillary的7,117张图像的精选数据集，涵盖全球25个城市的109个特定道路片段，数据源自OpenStreetMap。对六个开源模型的初步评估显示，与仅提供城市名称的提示相比，提供街道和社区名称可将检索准确性提高约5.5个百分点，但模型在生成与特定道路片段精确匹配的图像方面仍存在困难，这表明在生成逼真的本地场景与为精确位置生成图像之间存在差距。 AI

影响 该基准突显了当前文本到图像模型在精确地理生成方面的局限性，可能指导未来研究朝着更具位置感知能力的合成方向发展。

排序理由 该集群包含一篇介绍用于评估AI模型的新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• GeoFidelity-Bench
• Hugging Face
• Mapillary
• OpenStreetMap
• text-to-image model

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →