Attr-VQA

新的CogCanvas基准揭示AI图像生成在处理多主体时存在困难

研究人员推出CogCanvas，一个旨在评估图像生成模型在复杂多主体场景下能力的新基准。该基准通过评估多个身份、对象绑定和背景一致性的联合保留，解决了现有工具的局限性。CogCanvas包含1,952张精选图像和1,361个构图提示，支持基于参考的多人对象生成和文本到图像生成等任务。对最先进模型的初步基准测试显示，随着主体数量的增加，性能显著下降，尤其是在绑定对象和时尚单品方面。