从文字到视觉：EvalMuse-40K如何评价T2I模型的进化

文章预览

©PaperWeekly 原创 · 作者 |  李重仪 单位 |  南开大学教授 研究方向 |  计算机视觉 前言 近年来，文生图（T2I）模型技术迅速发展，催生了 Dreamina、DALL·E3 和 Midjourney 等热门工具。它们能够精准理解用户的 prompt（提示词），将简短描述转化为高质量且富有美感和一致性的图像。 这一技术显著降低了创作门槛，提升了效率和趣味性，让艺术创作、广告设计及日常分享变得更加简单直观。文生图技术的普及，为数字内容创作开辟了全新可能性。 然而，评估这些模型的性能，特别是在 图文匹配度方面 ，一直是一个挑战。传统评估方法已无法全面衡量图像与文本的匹配度，现有标准无法有效的捕捉细节偏差和一致性问题。 为解决这一问题，抖音多媒体质量实验室与豆包大模型团队及南开大学合作， 推出了业界规模最大的文生图评估数据库——EvalMuse-40K ………………………………