基于问答的评估

CREval：面向复杂指令下创意图像编辑的自动化可解释评估

CREval: An Automated Interpretable Evaluation for Creative Image Manipulation under Complex Instructions

提供了一套基于问答的自动化评估流程和包含800多个样本、13K查询的基准，可用于系统评估图像编辑模型在复杂创意指令下的表现，替代不透明的MLLM直接打分。