AIGIQA-20K：一个用于AI生成图像质量评估的大型数据库
计算机视觉与模式识别
2024-04-05 v1
摘要
随着AI生成内容(AIGC)的快速发展，AI生成图像(AIGI)已广泛应用于娱乐、教育和社交媒体。然而，由于不同AIGI之间的质量差异显著，迫切需要能够一致匹配人类主观评分的模型。为解决这一问题，我们在NTIRE 2024上组织了一项AIGC质量评估挑战赛，广泛考虑了15种流行的生成模型，利用动态超参数（包括无分类器引导、迭代次数和输出图像分辨率），并全面收集了21名受试者的主观评分，同时综合考虑了感知质量和文本到图像的对齐度。该方法最终构建了迄今为止最大的细粒度AIGI主观质量数据库，包含20,000张AIGI和420,000条主观评分，称为AIGIQA-20K。此外，我们在此数据库上进行了基准实验，以评估16个主流AIGI质量模型与人类感知之间的对应关系。我们期望这一大规模质量数据库能启发适用于AIGI的稳健质量指标，并推动AIGC在视觉领域的演进。该数据库已发布于 https://www.modelscope.cn/datasets/lcysyzxdxc/AIGCQA-30K-Image。
关键词
引用
@article{arxiv.2404.03407,
title = {AIGIQA-20K: A Large Database for AI-Generated Image Quality Assessment},
author = {Chunyi Li and Tengchuan Kou and Yixuan Gao and Yuqin Cao and Wei Sun and Zicheng Zhang and Yingjie Zhou and Zhichao Zhang and Weixia Zhang and Haoning Wu and Xiaohong Liu and Xiongkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2404.03407},
year = {2024}
}