Nano Banana Pro 是否是低层视觉全能选手？对14项任务与40个数据集的综合评估
计算机视觉与模式识别
2025-12-22 v2
摘要
文本到图像生成模型的快速发展彻底变革了视觉内容的创作方式。尽管商业产品如 Nano Banana Pro 已引起广泛关注，但其作为传统低层视觉任务通用解题者的潜力仍 largely 未被探索。本研究检验核心问题：Nano Banana Pro 是否是低层视觉全能选手？我们在14个不同低层任务、40个数据集上进行了零样本评估。通过简单文本提示（无需微调），我们将 Nano Banana Pro 与最先进的专家模型进行基准测试。我们的广泛分析揭示了明显的性能二分：Nano Banana Pro 在主观视觉质量方面表现优异，常常生成 plausible 高频细节，超越专家模型；但在传统基于参考的定性指标上表现落后。我们将这种差异归因于生成模型固有的随机性，它们难以维持严格的像素级一致性，以满足常规指标的要求。本报告将 Nano Banana Pro 确定为低层视觉任务中一个有力的零样本竞争者，同时指出要达到领域专家的高保真度仍面临重大挑战。
引用
@article{arxiv.2512.15110,
title = {Is Nano Banana Pro a Low-Level Vision All-Rounder? A Comprehensive Evaluation on 14 Tasks and 40 Datasets},
author = {Jialong Zuo and Haoyou Deng and Hanyu Zhou and Jiaxin Zhu and Yicheng Zhang and Yiwei Zhang and Yongxin Yan and Kaixing Huang and Weisen Chen and Yongtai Deng and Rui Jin and Nong Sang and Changxin Gao},
journal= {arXiv preprint arXiv:2512.15110},
year = {2025}
}
备注
Technical Report; 65 Pages, 36 Figures, 17 Tables; Poject Page: https://lowlevelbanana.github.io/