Открытые стандарты оценки + единая система судейства, T2I наконец-то получила рабочую систему оценки, настоящая реалистичность и креативность — это действительно разделяющая черта.

Команда Alibaba Qwen выпустила открытый тестовый набор для оценки генерации изображений Qwen-Image-Bench и единый визуальный судья Q-Judger, предназначенные для оценки возможностей преобразования текста в изображение (T2I). Он охватывает пять аспектов: качество изображения, эстетика, соответствие изображению, реализм и креативность, включает 23 подспособности и 56 показателей; содержит 1000 двуязычных подсказок на китайском и английском языках. 80 профессиональных экспертов проводят слепое тестирование, более 130 тысяч аннотированных пар данных, согласованность оценок судьи и человека достигает 92%. В первых 18 моделях GPT Image 2 занимает первое место, а лучшие модели по-прежнему демонстрируют разрыв в аспектах реалистичности и креативности, детали такие как художник, гравитация, светотень остаются общими узкими местами.