提出Arena-T2I Hard基准与GDPO方法提升文生图忠实性
热点事件观察中
提出Arena-T2I Hard基准与GDPO方法提升文生图忠实性
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Yuanhao Ban 等作者发布论文，提出基于真实竞技场文生图日志构建的困难基准 Arena-T2I Hard，并配套依赖感知清单奖励加 GDPO 的训练方法。基准包含310条提示词，每条约分解为30个是非约束，覆盖六类要求（含文本渲染）。 评测的11个系统中，最强闭源系统得分0.855，系统间最大差距约33个百分点；作者称公开竞技场排名不能可靠预测忠实性。其训练方法称在 SD3.5-Medium 和 FLUX.1-dev 上，经 MMRB2 成对比较得到严格更优的忠实性-美学权衡。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
Arena-T2I Hard：基于依赖感知检查清单的文本生成图像忠实性基准与改进方法报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIArena-T2I Hard：基于依赖感知检查清单的文本生成图像忠实性基准与改进方法
Arena-T2I Hard 基于真实竞技场文本生成图像日志构建了包含310条提示词的困难基准，每条提示约分解为30个是非约束，覆盖六类要求（包括文本渲染）。在评测的11个系统中，最强闭源系统得分0.855，系统间最大差距约33个百分点，且公开竞技场排名不能可靠预测忠实性。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 04:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。