RealDrag：首个包含真实目标图像的拖拽基准
计算机视觉与模式识别
2025-12-16 v1
摘要
由于缺乏标准化基准和度量标准，基于拖拽的图像编辑模型评估不可靠。这一模糊性源于评估协议不一致，特别是缺乏包含 ground truth 目标图像的数据集，使得在竞争方法之间进行客观比较困难。为此，我们引入了 RealDrag，这是首个包含配对 ground truth 目标图像的综合性图像编辑基准。该数据集包含超过 400 个人工标注样本，来自多样化视频来源，提供源/目标图像、句柄/目标点、可编辑区域掩码以及图像和编辑动作的描述性说明。我们还提出了四个新颖的、特定于任务的度量标准：语义距离（Semantical Distance, SeD）、外部掩码保持分数（Outer Mask Preserving Score, OMPS）、内部补丁保持分数（Inner Patch Preserving Score, IPPS）和方向相似性（Directional Similarity, DiS）。这些度量标准旨在量化像素级匹配忠实度、检查非编辑（掩码外）区域的保持情况，并衡量与所需任务的语义对齐程度。使用该基准，我们进行了该领域的首次大规模系统性分析，对 17 个 SOTA 模型进行评估。我们的结果揭示了当前方法之间的明确权衡，建立了稳健、可复现的基准，旨在指导未来研究。该数据集和评估工具包将公开发布。
引用
@article{arxiv.2512.12287,
title = {RealDrag: The First Dragging Benchmark with Real Target Image},
author = {Ahmad Zafarani and Zahra Dehghanian and Mohammadreza Davoodi and Mohsen Shadroo and MohammadAmin Fazli and Hamid R. Rabiee},
journal= {arXiv preprint arXiv:2512.12287},
year = {2025}
}