RAISE：面向图像合成与评估的真实性评估
计算机视觉与模式识别
2025-08-05 v2 人工智能
多媒体
图像与视频处理
摘要
生成式 AI 的快速发展使得创建高度逼真的视觉内容成为可能，在获取真实数据困难或昂贵的场景中，为真实图像和视频提供了实用的替代品。然而，要用 AI 生成的对应内容可靠地替代真实视觉内容，需要对 AI 生成视觉内容的感知真实性进行稳健评估，而由于其固有的主观性质，这是一项具有挑战性的任务。为了解决这个问题，我们开展了一项全面的人类研究，评估了真实图像和 AI 生成图像的感知真实性，由此产生了一个新数据集，其中包含配有主观真实性分数的图像，并在本文中作为 RAISE 引入。此外，我们在 RAISE 上开发并训练了多个模型，以建立真实性预测的基线。我们的实验结果表明，从深度基础视觉模型导出的特征可以有效捕获主观真实性。因此，RAISE 为开发稳健、客观的感知真实性评估模型提供了宝贵资源。
引用
@article{arxiv.2505.19233,
title = {RAISE: Realness Assessment for Image Synthesis and Evaluation},
author = {Aniruddha Mukherjee and Spriha Dubey and Somdyuti Paul},
journal= {arXiv preprint arXiv:2505.19233},
year = {2025}
}