F-Bench：重新思考人脸生成、定制与恢复的人类偏好评估指标
计算机视觉与模式识别
2025-09-11 v2
摘要
人工智能生成模型在内容创作方面展现出卓越的能力，特别是在人脸图像生成、定制和恢复方面。然而，由于独特的失真、不真实的细节和意外的身份偏移，当前的 AI 生成人脸（AIGFs）往往无法满足人类偏好，这凸显了对 AIGFs 建立全面质量评估框架的需求。为了满足这一需求，我们引入了 FaceQ，一个包含反映人类偏好的细粒度质量标注的大规模 AI 生成人脸图像综合数据库。FaceQ 数据库包含由 29 个模型在三个任务下生成的 12,255 张图像：(1) 人脸生成，(2) 人脸定制，以及 (3) 人脸恢复。它包含来自 180 名标注者的 32,742 个平均意见得分（MOSs），在多个维度上进行评估：质量、真实性、身份（ID）保真度以及文本-图像一致性。利用 FaceQ 数据库，我们建立了 F-Bench，一个用于比较和评估人脸生成、定制与恢复模型的基准，突出了在各种提示词和评估维度上的优势与不足。此外，我们评估了现有图像质量评估（IQA）、人脸质量评估（FQA）、AI 生成内容图像质量评估（AIGCIQA）以及偏好评估指标的性能，表明这些标准指标在评估真实性、ID 保真度和文本-图像一致性方面相对无效。FaceQ 数据库将在发表后公开提供。
引用
@article{arxiv.2412.13155,
title = {F-Bench: Rethinking Human Preference Evaluation Metrics for Benchmarking Face Generation, Customization, and Restoration},
author = {Lu Liu and Huiyu Duan and Qiang Hu and Liu Yang and Chunlei Cai and Tianxiao Ye and Huayu Liu and Xiaoyun Zhang and Guangtao Zhai},
journal= {arXiv preprint arXiv:2412.13155},
year = {2025}
}