跳到正文

VQAScore

评估文本到视觉生成效果的指标

访问官网

VQAScore 是什么

VQAScore 被介绍为评估复杂文本到视觉生成效果的指标,并与 GenAI-Bench 基准测试集一同提出。

你可以用它做什么

  • 为文本到图像的生成结果打分
  • 用 GenAI-Bench 提示比较不同模型
  • 评估文本到视频与 3D 生成

模型说明

  • CLIP-FlanT5 VQA 模型构成评分基础
  • 该方法被作为 CLIPScore 的替代方案提出
  • GenAI-Bench 提供实际场景的测试文本

优点与缺点

✓ 我们认可的地方

  • GenAI-Bench 提供含丰富组合语义的测试文本
  • 指标覆盖图像、视频和 3D 生成评估

! 需要留意的地方

  • 评分建立在特定的 VQA 模型之上
  • 评估结果取决于基准测试的提示文本

常见问题

基于哪个模型?

资料说明 VQAScore 基于 CLIP-FlanT5。

GenAI-Bench 是什么?

资料描述它是包含丰富组合语义的实际场景测试文本集合。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法