跳到正文

DIG-In

评估文生图模型在不同地理区域的差异

访问官网

DIG-In 是什么

DIG-In 被介绍为一个评估文本到图像生成模型在不同地理区域中质量、多样性和一致性差异的库。该库支持研究人员和开发者对图像生成模型做地理多样性审计。

你可以用它做什么

  • 用 GeoDE 和 DollarStreet 比较生成图像的质量差异
  • 计算精度、召回率、覆盖度和密度指标
  • 用 CLIPScore 指标衡量图像的一致性
  • 运行脚本从生成图像中提取特征

应用场景

  • 研究人员评估不同模型在非洲地区的输出质量
  • 开发者检查应用在全球范围的一致用户体验
  • 教育机构讲授如何评估和改进 AI 模型的公平性

上手流程

  • 生成对应于 csv 文件中提示的图像
  • 提供指向提示 csv 和生成图像文件夹的指针以提取特征
  • 用提取的特征计算精度、召回率、覆盖度和密度等指标
  • 根据需要更新特征文件的路径

优点与缺点

✓ 我们认可的地方

  • 提供从生成图像中提取特征的脚本
  • 支持指向自定义图像或特征路径的指针

! 需要留意的地方

  • 审计围绕文本到图像生成模型展开
  • 指标依赖从生成图像提取出的特征

常见问题

用到哪些数据集?

资料列出 GeoDE 和 DollarStreet 作为参考数据集。

计算哪些指标?

功能列表列出精度、召回率、覆盖度和密度,并用 CLIPScore 衡量一致性。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法