ColorConceptBench：用于文本到图像模型概率色彩-概念理解的基准

文本到图像（T2I）模型在生成高质量图像方面取得了显著进展。然而，它们将颜色与概念关联的能力仍主要局限于显式的颜色名称或代码，而对处理隐式概念（如情绪和视觉状态）的能力则鲜有探索。为弥合这一差距，我们介绍ColorConceptBench，一个由专家标注的基准，系统性地通过概率色彩分布评估色彩-概念关联。ColorConceptBench超越了显式的颜色规范，通过检验模型如何解释1281个隐式色彩概念，基于6584个人类标注。我们对九个领先的T2I模型进行评估，发现性能在语义类别之间差异显著，且模型对抽象语义的敏感性显著不足。即使应用classifier-free 指导缩放在推理时，这些限制仍然存在，这表明实现类人色彩理解需要转变模型如何学习和表示隐式语义意义的方式。