Tag · 4 篇

视觉语言模型评估

分布数据集与评测3生成模型与扩散1

RDFace: A Benchmark Dataset for Rare Disease Facial Image Analysis under Extreme Data Scarcity and Phenotype-Aware Synthetic Generation

在极端低数据条件下（每类平均 4.4 张）做细粒度面部表型分类时，可参考其用 DreamBooth/FastGAN 合成样本、再用面部关键点相似度过滤以保持表型保真度的流程，以及用视觉语言模型生成表型描述并计算报告相似度来校验合成图像语义有效性的评估思路。

Common Inpainted Objects In-N-Out of Context

用扩散修复在 COCO 上系统性地替换物体，构造出上下文一致与不一致的受控样本，为上下文推理、上下文预测和伪造检测提供了可复用的评测床；做图像取证或上下文理解的研究者可以直接用这套数据做零微调评测。

CREward: A Type-Specific Creativity Reward Model

提供了一种按类型（几何/材质/纹理）分解的创意奖励模型，可直接作为扩散或生成模型的偏好奖励信号，并通过 LoRA 微调引导生成更具创意的图像；其用 LVLM 标注替代人工标注构建奖励模型的流程也可迁移到其他主观属性（如美学、风格）的奖励建模。

CI-VID: A Coherent Interleaved Text-Video Dataset

CI-VID 提供了带交错文本标注的多片段视频序列，可直接用于训练和评测文本-视频到视频（T&V2V）生成模型，推动从孤立片段生成向具有跨片段语义连贯性的故事化视频生成发展。