arXiv cs.AI· Mengyan Wang, Jiyuan An, Yining Liu, YaoWen Zhang, Liner Yang ang Erhong Yang·· 11 小时前AI 评分31
ACVA-Bench：评估文生图模型抽象概念可视化能力的新基准
ACVA-Bench: Beyond Prompt Following in Abstract Concept Visualization Ability for Text-to-Image Models
AI 导读
研究者提出 ACVA-Bench，一个基于心理语言学规范、类别均衡的基准，用于评估文生图模型的抽象概念可视化能力（ACVA），涵盖语义充分性、表征多样性和概念区分度三个维度。
正文 · AI 翻译
摘要：文本到图像（T2I）模型在图像质量和指令遵循方面取得了显著进展，这促使人们日益关注其在超越字面提示匹配的深层理解方面的能力。然而，在未提供明确视觉方案的情况下，T2I 模型能否自主地将缺乏固定视觉指涉的抽象概念（如“忠诚”）转化为准确、多样且能与密切相关概念相区分的视觉表征，仍不明确，也尚未得到系统评估。我们将这一能力定义为抽象概念可视化能力（ACVA），并推出 ACVA-Bench——一个基于抽象概念心理语言学规范的类别均衡基准，它在不提供具体物体、场景或视觉隐喻的低干预设置下，从语义充分性、表征多样性和概念区分度三个维度考察模型的 ACVA。由于抽象概念缺乏唯一的参考图像，依赖参考图像匹配的传统评估指标难以适用。为此，我们提出一种受概念语义约束的细粒度视觉-语义评估方法，将概念语义分解为可独立验证的视觉-语义问题，以评估生成图像的语义表征质量，其有效性进一步得到人工评估的确认。对主流 T2I 模型的基准测试结果表明，这些模型依赖少量原型化视觉模式，在抽象概念的表征多样性和概念区分度方面仍有提升空间，从而为未来研究提供了可解释、可复现的评估基础。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.32058 [cs.CV] |
| （或 arXiv:2610.32058v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32058 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiyuan An [查看邮箱]
[v1]
2026年10月23日星期五 01:54:37 UTC（6,434 KB）
来源：arXiv cs.AI · arxiv.org