AGIQA-3K：一个用于 AI 生成图像质量评估的开放数据库
计算机视觉与模式识别
2023-06-13 v2 人工智能
图像与视频处理
摘要
随着文本到图像生成模型的快速发展，AI 生成图像（AGIs）已广泛应用于娱乐、教育、社交媒体等领域。然而，考虑到不同 AGI 之间质量差异较大，迫切需要有与人类主观评分一致的质量模型。为解决该问题，我们广泛考虑了各种流行的 AGI 模型，通过不同的提示词与模型参数生成 AGI，并收集了感知质量与文本到图像对齐方面的主观分数，从而构建了迄今为止最全面的 AGI 主观质量数据库 AGIQA-3K。此外，我们基于该数据库进行了基准实验，以评估当前图像质量评估（IQA）模型与人类感知的一致性，同时提出了 StairReward，显著提升了主观文本到图像对齐的评估性能。我们相信，AGIQA-3K 中的细粒度主观分数将启发后续的 AGI 质量模型在感知与对齐两个层面拟合人类主观感知机制，并优化未来 AGI 模型的生成结果。该数据库发布于 https://github.com/lcysyzxdxc/AGIQA-3k-Database。
引用
@article{arxiv.2306.04717,
title = {AGIQA-3K: An Open Database for AI-Generated Image Quality Assessment},
author = {Chunyi Li and Zicheng Zhang and Haoning Wu and Wei Sun and Xiongkuo Min and Xiaohong Liu and Guangtao Zhai and Weisi Lin},
journal= {arXiv preprint arXiv:2306.04717},
year = {2023}
}
备注
12 pages, 11 figures