这张生成的人像真实存在吗？人体异常的细粒度检测与校正

近期视觉合成技术的进步显著提升了生成人物照片的逼真度，而人物照片因其广泛的应用性和需求而至关重要。然而，现有的文本到图像或文本到视频模型常常生成质量较低的人物照片，其身体结构可能与真实世界存在差异，我们称之为“异常人体”。这类异常通常被认为不可接受，对其检测和修复构成重大挑战。这些挑战要求具备细粒度的异常识别能力，即需要同时定位异常位置和判断异常类型。直观上，在各种视觉任务上表现优异的视觉语言模型（VLMs）非常适合此任务。然而，它们在人物照片异常检测上的表现相当不佳。因此，向研究界强调这一任务非常重要。在本文中，我们首先引入了一个简单但具有挑战性的任务，即**细粒度人体异常检测**（FHAD），并构建了两个高质量数据集用于评估。随后，我们提出了一种名为HumanCalibrator的精细框架，该框架能够识别并修复人体结构中的异常，同时保留其他内容。实验表明，我们的HumanCalibrator在异常检测上达到了高精度，并在视觉比较中取得了提升，同时保留了其他视觉内容。