人工智能生成的图像质量评估基于特定任务的提示和多细分度相似性

科学领域:

• 人工智能的人工智能
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 人工智能生成的图像 (AIGI) 正在引起人们的注意,但其质量不佳,并迅速失调.
• 目前的评估方法使用通用提示和粗略相似性,限制性能.

研究的目的:

• 开发一个先进的框架来评估AIGI感知质量和文本对图像对齐.
• 克服现有的任务不可知评估方法的局限性.

主要方法:

• 拟议的TPMS框架与任务特定提示的感知和对齐质量.
• 实现的多颗粒度相似性:粗级与特定任务提示,精细级与初始提示.

主要成果:

• 在AIGI质量预测中,TPMS表现优越.
• 对四个基准进行了广泛的实验,证实了该框架的有效性.

结论:

• 拟议的TPMS框架提供了精确和可靠的AIGI质量评估.
• 特定任务提示和多细分的相似性是改善生成模型评估的关键.