DSH-Bench：基于难度与情境感知的分层主题分类基准用于主题驱动文本到图像生成
计算机视觉与模式识别
2026-04-21 v2 人工智能
摘要
在主题驱动文本到图像（T2I）生成领域取得了显著进展，该方法旨在根据用户指令合成描绘目标主题的新图像。然而，对这些模型进行评估仍是一个重大挑战。现有基准存在关键局限性：1）主题图像的多样性和全面性不足；2）在不同主题难度级别和提示情境下评估模型性能的细粒度不足；3）缺乏对后续模型优化和诊断性指导的可操作性见解。为此，我们提出了 DSH-Bench，一个综合性基准，通过四项主要创新措施实现对主题驱动 T2I 模型进行系统性多视角分析：1）层次化主题抽样机制，确保覆盖 58 个细粒度类别；2）创新的分类方案，对主题难度级别和提示情境进行细粒度能力评估；3）一种新的主体身份一致性得分（SICS）指标，较现有措施在量化主体保持方面具有 9.4% 更高的相关性；4）从基准中导出的全面诊断性见解，为优化未来模型训练范式和数据构建策略提供关键指导。通过对 19 项领先模型的广泛实证评估，DSH-Bench 揭示了当前方法中以前被遮蔽的局限性，为未来的研究和开发确立了具体方向。
引用
@article{arxiv.2603.08090,
title = {DSH-Bench: A Difficulty- and Scenario-Aware Benchmark with Hierarchical Subject Taxonomy for Subject-Driven Text-to-Image Generation},
author = {Zhenyu Hu and Qing Wang and Te Cao and Luo Liao and Longfei Lu and Liqun Liu and Shuang Li and Hang Chen and Mengge Xue and Yuan Chen and Chao Deng and Peng Shu and Huan Yu and Jie Jiang},
journal= {arXiv preprint arXiv:2603.08090},
year = {2026}
}