合成历史：扩散模型中过去的视觉表征评估
计算机视觉与模式识别
2026-02-23 v3 人工智能
机器学习
摘要
随着文本到图像 (TTI) 扩散模型在内容创作领域的日益重要，越来越多注意力被指向其社会和文化影响。虽然先前研究主要关注人口统计和文化偏见，但这些模型准确表征历史情境的能力仍鲜有探讨。为填补这一空白，我们引入了一个评估 TTI 模型描绘历史情境的基准。该基准结合 HistVis 数据集，其中包含 30,000 张由三种最先进扩散模型生成的合成图像，这些图像基于覆盖多个历史时期中普遍人类活动的精心设计提示生成。我们在三个关键方面评估生成图像：（1）隐式风格关联：检查特定时代默认的视觉风格；（2）历史一致性：识别包含前现代语境中现代制品等 anachronisms；（3）人口统计代表性：将生成的种族和性别分布与历史上合理的基线进行比较。我们的发现表明，历史主题生成图像存在系统性不准确，TTI 模型常通过包含未说明的风格线索来刻画过去时代、引入 anachronisms，并未反映出合理的人口统计模式。通过为生成图像中的历史表征提供可复现的基准，本工作为构建更准确的 TTI 模型提供了初始步骤。
引用
@article{arxiv.2505.17064,
title = {Synthetic History: Evaluating Visual Representations of the Past in Diffusion Models},
author = {Maria-Teresa De Rosa Palmini and Eva Cetinic},
journal= {arXiv preprint arXiv:2505.17064},
year = {2026}
}