arXiv cs.AI· Zhou Chen, JiaXiang Li, DanYing Pan, Ye Li, TianRui Yang, EnBao Zhang, YaNan Xiao, LiXin Sun, Anqi Liu, Dong Zhao, JianYuan Li, YuanYuan Ding, Kai Kong, Xinwen Xu, HuiTang Du, Min Zhou, Zhiqiang Li·· 1 天前AI 评分40
DesignTaste：用获奖作品评测 AI 生成视觉设计
DesignTaste: Benchmarking AI-Generator Visual Design Against Award-Wining Works
AI 导读
研究团队推出视觉设计基准 DesignTaste，从 100 Beste Plakate 2025 和 ADC 2026 获奖作品提炼 403 条设计简报，让六款领先商用文生图模型各生成一张图，再由单一模型评委按五个维度独立打分。在两个数据集上，仅 ArtArk 的平均总分高于获奖作品，六款模型在创意原创性维度均得分更低。
正文 · AI 翻译
作者：Zhou Chen、JiaXiang Li、DanYing Pan、Ye Li、TianRui Yang、EnBao Zhang、YaNan Xiao、LiXin Sun、Anqi Liu、Dong Zhao、JianYuan Li、YuanYuan Ding、Kai Kong、Xinwen Xu、HuiTang Du、Min Zhou、Zhiqiang Li
摘要：文本到图像基准通常评估文本-图像对齐或整体偏好。当设计简报对视觉外观保持开放时，模型能否产出优秀设计，仍缺乏充分理解。我们提出 DesignTaste，一个将生成图像与获奖作品进行比较的视觉设计基准。基于这些作品及其公开可获取的上下文，我们提炼出 403 份设计简报：100 个海报任务来自 100 Beste Plakate 2025，303 个任务涵盖 ADC 2026 的 20 个类别。六个领先的商业文本到图像模型各自根据同一份简报生成一张图像。由单一模型评审独立地对每份输出及对应的获奖作品在五个评估维度上打分。在每个数据集上，只有 ArtArk 的平均总分高于获奖作品。六个模型在两个数据集上的创意原创性得分均较低。这些结果表明，能够生成完成度高、视觉吸引人的图像，并不意味着模型能够提出优秀的设计方案。
| 评论： | 31 页，12 幅图，含附录。代码与数据：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.16442 [cs.CV] |
| （或 arXiv:2611.16442v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16442 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhou Chen [查看邮箱]
[v1]
2026 年 11 月 12 日星期四 07:52:27 UTC（30,443 KB）
来源：arXiv cs.AI · arxiv.org