图像生成

GenEval 2: Addressing Benchmark Drift in Text-to-Image Evaluation

GenEval 2：解决文本到图像评估中的基准漂移问题

Amita Kamath, Kai-Wei Chang, Ranjay Krishna, Luke Zettlemoyer, Yushi Hu, Marjan Ghazvininejad

机构 * FAIR at Meta（Meta 的 FAIR 部门） ； University of Washington（华盛顿大学） ； University of California, Los Angeles（洛杉矶大学） ； Allen Institute for AI（人工智能研究院） 纠错

专题命中 图像生成评测 ：text-to-image(title,abstract)；分类 cs.CV

AI总结 GenEval 2通过改进的视觉概念覆盖和组合性，解决文本到图像评估中的基准漂移问题，提供更符合人类判断的评估方法。