文生图模型测评之HPS v2

最新推荐文章于 2025-07-23 22:35:32 发布
最新推荐文章于 2025-07-23 22:35:32 发布
阅读量746 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： AI算法 文章标签： stable diffusion AIGC text2img
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/orangerfun/article/details/134321448
本文介绍了文生图模型的评估基准HPS v2，包括构建大规模人类偏好数据集的过程，以及基于CLIP微调的偏好预测模型。HPS v2用于衡量文本到图像合成模型的生成质量，通过对434k图片的798k偏好对进行标注，提供了一种有效验证生成图片质量的方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述

文章目录

在 文生图模型评测之PickScore 一文中我们介绍了 PickScore 构建的人类偏好数据集以及打分函数，本文介绍的内容与 PickScore 非常类似：首先也是公布了一个文生图人类偏好数据集，其次开源了一个人类偏好预测模型，并且与PickScore类似也是基于CLIP作为backbone进行微调而得到。

1. 简介

最近文生图模型已经能够生成高真实度的图片，但是生成图片的质量却无法被准确的验证。为了处理这

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Human preference score v2: a solid benchmark for evaluating human preferences of text-to-image synth
liguandong
10-09 676
包括了79.8w个图像对的人工比较注释，在数据集收集过程中，关注潜在的偏差问题，1.偏差来源于图像源，hpdv2包含了9个最新的文本到图像生成模型生成的图像，以及coco captions数据中的真实图像，2.文本提示偏差，用户编写的提示，例如diffusiondb中的提示，通常遵循描述加上几个样式词的组织方式，其中样式词经常包含矛盾之处，让标注着难以理解，使用chatgpt去除样式词并将提示组织成一个明确的句子。我们雇佣了57个人来标注数据，其中50人负责图像排序，7负责质量控制。hpsv2指标更高。
文生图模型评测之PickScore
orangerfun的博客
11-09 1585
PickScore
Human Preference Score v2(HPSv2):评估文本到图像生成模型的可靠基准
m0_75126181的博客
09-23 1720
为了解决这个问题,研究人员提出了Human Preference Score v2(HPSv2),这是一个新的基准测试,旨在更可靠地评估文本到图像生成模型的人类偏好。它不仅提供了更准确的评估指标,也为未来的研究指明了方向。随着文本到图像生成技术的不断发展,像HPSv2这样的评估基准将在推动技术进步和确保生成内容质量方面发挥越来越重要的作用。Human Preference Dataset v2(HPD v2):这是一个大规模的人类标注数据集,包含了798,090个人类偏好选择,涵盖了433,760对图像。
【亲测免费】 开源项目推荐：Human Preference Score v2
gitblog_00990的博客
01-08 331
开源项目推荐：Human Preference Score v2 Human Preference Score v2（HPS v2）是一个用于评估文本到图像生成模型的人为偏好的开源项目。该项目主要使用Python编程语言开发。 项目基础介绍 HPS v2 是一个旨在为文本到图像生成模型提供稳定、公平且易于使用的评估方法的基准。它包括一个大规模的人类偏好选择数据集（Human Preference ...
HPS v2：文本到图像生成模型的基准测试工具
gitblog_00836的博客
09-25 1292
HPS v2：文本到图像生成模型的基准测试工具 项目介绍 HPS v2（Human Preference Score v2）是一个用于评估文本到图像生成模型的人类偏好基准测试工具。该项目基于论文《Human Preference Score v2: A Solid Benchmark for Evaluating Human Preferences of Text-to-Image Synthes...
【AI产品测评】AI文生图初体验
weixin_45589713的博客
12-27 580
文生图初体验
文生图模型开源之光！ComfyUI - AuraFlow本地部署教程
SJJS_1的博客
12-09 1893
AuraFlow 是唯一一个真正开源的文生图模型，由Fal团队开源，其代码和权重都放在了 FOSS 许可证下。基于 6.8B 参数优化模型架构，采用最大更新参数化技术，还重新标注数据集提升指令遵循质量。在物体空间和色彩上有优势。并支持在线试用和与主流平台集成。未来有望在多领域广泛应用，以开源特色和强大实力吸引更多用户和开发者。下面将介绍AuraFlow的本地部署教程，希望能帮助到大家~
文生图模型
asd8705的专栏
10-19 422
虽然 CogView3 系列模型都是通过长篇合成图像描述进行训练的，但我们强烈建议在文本生成图像之前，基于大语言模型（LLMs）进行提示词的重写操作，这将大大提高生成质量。我们建议您运行这个脚本，以实现对提示词对润色。首先，确保从源代码安装。
（3-5）文生图模型架构：扩散模型
码农三叔
08-14 967
例如下面是一个使用扩散模型生成图像的简单例子，使用了预训练的扩散模型Stable Diffusion来生成指定文本描述的图像。扩散模型与其他生成模型比较如表3-1所示，这个表格对比了四种不同的生成模型，突出了它们在原理、速度、图像质量、训练稳定性、多样性、计算复杂度和适用场景方面的差异。扩散模型是一种基于随机过程的生成模型，通过逐步添加和去除噪声，实现从随机噪声到高质量数据的转化，其独特的训练和生成机制使其在图像生成领域表现出色。神经网络的目标是预测在每个步骤中添加的噪声，从而使模型能够生成高质量的图像。
HPSv2 项目使用教程
gitblog_00356的博客
09-25 869
HPSv2 项目使用教程 1. 项目介绍 HPSv2（Human Preference Score v2）是一个用于评估文本到图像生成模型的人类偏好基准。该项目提供了一个大规模的、高质量的数据集（HPD v2），以及一个基于该数据集训练的偏好预测模型（HPS v2）。HPSv2 可以帮助研究人员和开发者比较不同文本到图像生成模型在生成图像时的表现，从而选择最适合特定应用场景的模型。 2. 项目快速...
免费的“文生图“ AI 生成器测评推荐
TOPSTIP的博客
05-24 6199
ChatGPT 升级版的 DALL·E 制作图片，但是每个月必须付费升级，所以我经过测评选出了五款最佳的免费"文生图" AI 生成器，并介绍了它们的特点，优缺点，以及免费使用限制。
Human preference score:better aligning text-to-image models with human preference
liguandong
10-09 647
提出了通过明确区分首选和非首选图像来适应生成模型，构建了另一个数据集，其中包括提示及其新生成的图像，并根据之前训练的人类偏好分类器将其分类为首选或非首选，对于非首选图像，我们通过在相应的提示前添加特殊前缀来修改它，通过lora来训练，增加了模型学习非首选图像概念的能力，其实就是dreambooth的做法，只不过这里多给了模型一个首选和非首选的图像概念，而数据集可以通过hps分类器构造。在sd的discord收集了一个关于生成图像的人类偏好数据集，用此数据集训练了一个人类偏好的评分，hps。
【图像生成模型评价指标】-- HPS及实践
steptoward的博客
11-06 829
【图像生成模型评价指标】-- HPS及实践。
如何自动化地评估 AIGC 生图的质量？
2401_84033492的博客
06-05 2240
在AIGC生图过程中，进行图像质量的自动化评估，能快速进行打分、节省人工成本，更准确的进行模型效果比较，以促进模型迭代。对于特定场景的自动化评估，则需要建立对应的评估体系，包括评分准则、特定数据集、打分模型。我们团队正在进行家装行业AIGC的相关研发，以提高家装AI模型的效果。我们希望与对此方向感兴趣的同学一起探讨和交流。参考文献。
视觉领域常见Reward Model安装使用
weixin_44484078的博客
11-01 539
但是我发现如果直接使用2.0版本的hps似乎不会遇到这个问题。所以尝试先用2.0版本的下载以后再使用2.1版本。imgs path 放你图片的路径，prompt改成你的图片， hps可以选择2.1或者2.0版本。（2.1版本需要自动下载，所以需要可以科学上网，2.0版本可以去github下载权重）从刚才下载好的git仓库里mv 到缺少的路径那。有可能会遇到没有clip bpe的问题。有可能会遇到没有tkinter的问题。移动到python的包找不到路径的地方。两个都要下载因为pip安装的不完整。
这可能是最强AI文生图工具：Stable Diffusion 3 超详细测试
A1353192296的博客
04-25 2488
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
什么样才算好图——从生图模型质量度量方法看模型能力的发展
淘系技术
02-28 3465
本文总结了近10年来的生图模型论文中用到的评价指标，并尝试解答两个问题不同时期的评价标准都有哪些特点？图片质量的评价如何辅助模型的迭代？前言随着各种文生图模型逐渐从toy project进入到生产链路，在线上实际落地并产生业务价值，同时自研/来源模型也进入了快速迭代的阶段。一套直指问题、综合拓展性和复用性的评价指标变得尤为宝贵，从效果上来讲，如果说数据质量决定了模型效果的上限，那么指标的好坏直接决...
大模型评测指南-生成篇
2401_85378759的博客
12-03 990
进行评测之前，首先要明确评测对象：是评测大模型生成文本的质量，还是评测大模型应用（例如RAG）的性能？两者之间存在一定关联性，但又不尽相同。本文介绍评测大模型生成能力的指标和方法。
本地部署 Stable Diffusion：零基础搭建 AI文生图模型
最新发布
yajunjiao的专栏
07-23 1205
一直说要开始写大模型相关的文章，一直没开始，这不就开始了吗？文生图大模型，这只是一个粗略的模型，回头lora那些模型都弄完了，再更新。
文生图模型美学评测
03-13
### 文生图模型的美学评测方法与指标 评估文生图模型生成图像的质量通常涉及多个维度，其中包括视觉逼真度、语义一致性以及美学质量。以下是关于文生图模型美学评测的主要方法和指标： #### 1. 主观评价（Human ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值