MultiBind：属性错位在多主体生成中的基准
计算机视觉与模式识别
2026-03-24 v1
摘要
主体驱动的图像生成越来越需要支持对单个图像中多个实体的细粒度控制。在多参考工作流程中，用户可能提供多个主体图像、背景参考以及长篇、按实体索引的提示以控制一个场景中的多个人物。在这种设置下，关键失效模式是跨主体属性错位：属性被保留、编辑或转移到错误的主体上。现有的基准和指标主要强调整体保真度或每个主体的自相似性，使得此类失效难以诊断。我们引入 MultiBind，这是一个由真实多人照片构建的基准。每个实例提供按顺序排列的主体裁剪带遮罩和边界框、规范化的主体参考、一次性去背的背景参考，以及从结构化注释派生的稠密实体索引提示。我们还提出了维度级混淆评估协议，该协议将生成的主体匹配到真实槽位，并使用面部身份、外观、姿态和表情专家衡量槽位间相似度。通过减去相应的真实相似度矩阵，我们的方法将自我退化与真正的跨主体干扰分开，并暴露可解释的失效模式，如漂移、置换、支配和混合。在现代多参考生成器上进行的实验表明，MultiBind 揭示了常规重建指标未能捕捉的绑定失效。
引用
@article{arxiv.2603.21937,
title = {MultiBind: A Benchmark for Attribute Misbinding in Multi-Subject Generation},
author = {Wenqing Tian and Hanyi Mao and Zhaocheng Liu and Lihua Zhang and Qiang Liu and Jian Wu and Liang Wang},
journal= {arXiv preprint arXiv:2603.21937},
year = {2026}
}