研究人员推出了一种新颖的文本到图像(T2I)生成模型整体评估框架 DynEval。该框架通过动态评估文本-图像对齐和图像质量,解决了现有静态评估方法的局限性。为了支持大规模评估,创建了两个新数据集:GenDB 和 DynEvalInstruct,分别包含数百万个提示-图像对和指令三元组。这些数据集被用于微调紧凑型评估器 DynEval-2B 和 DynEval-4B,它们在众多基准测试中与人类判断表现出更高的相关性,并提供对 T2I 模型能力和失败模式的详细分析。 AI
影响 这个新的评估框架有望实现对文本到图像模型的更强大、更可靠的评估,从而推动其对齐和质量的改进。
排序理由 该集群描述了一篇介绍文本到图像模型新颖评估框架和数据集的学术论文。
- arXiv
- DiffusionDB: a large-scale prompt gallery dataset for text-to-image generative models
- DynEval
- DynEval-2B
- DynEval-4B
- DynEvalInstruct
- Hugging Face
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →