GPT-ImgEval：诊断 GPT-4o 图像生成能力的全面基准
计算机视觉与模式识别
2025-05-05 v3
摘要
OpenAI GPT-4o 模型的最新突破在图像生成与编辑方面展现出惊人的能力，引发了社区的广泛关注。本技术报告提出首个评估基准（命名为 GPT-ImgEval），从三个关键维度对 GPT-4o 的性能进行定量与定性诊断：(1) 生成质量，(2) 编辑熟练度，(3) 基于世界知识的语义合成。在所有三个任务中，GPT-4o 均展示出强劲性能，显著超越现有方法在图像生成控制与输出质量方面的表现，同时展现出卓越的知识推理能力。进一步地，基于 GPT-4o 生成的数据，我们提出一种基于分类模型的方案，以探究 GPT-4o 底层架构，其中经验结果表明该模型由自回归 (AR) 模块与基于扩散的解码头组合而成，而非类似 VAR 的架构。我们也对 GPT-4o 的整体架构作出完整推测。此外，我们进行一系列分析，以识别并可视化 GPT-4o 特定的局限性以及其图像生成中常见的合成性artifact。我们还比较了 GPT-4o 与 Gemini 2.0 Flash 在多轮图像编辑中的表现，并讨论了 GPT-4o 输出的安全性问题，尤其是其输出是否易被现有图像取证模型检测到。我们希望本工作能提供宝贵洞察，为未来研究提供可靠基准，以促进图像生成领域及更广泛领域的可重复性研究与创新加速。用于评估 GPT-4o 的代码与数据集可在 https://github.com/PicoTrex/GPT-ImgEval 查阅。
引用
@article{arxiv.2504.02782,
title = {GPT-ImgEval: A Comprehensive Benchmark for Diagnosing GPT4o in Image Generation},
author = {Zhiyuan Yan and Junyan Ye and Weijia Li and Zilong Huang and Shenghai Yuan and Xiangyang He and Kaiqing Lin and Jun He and Conghui He and Li Yuan},
journal= {arXiv preprint arXiv:2504.02782},
year = {2025}
}