IGMs

新的AMVICC基准揭示了视觉语言和图像生成模型中共享的故障模式

研究人员开发了AMVICC，这是一个旨在识别和分析视觉语言模型（VLMs）和图像生成模型（IGMs）故障模式的新基准。该基准系统地比较了这些模型如何处理图像到文本和文本到图像的任务，揭示了它们在理解物体方向、数量和空间关系等基本视觉概念方面的共同局限性。虽然一些故障在模型和模态之间是普遍存在的，但IGMs在响应提示时在细粒度视觉属性操纵方面尤其挣扎。