文字生成影像評估

深度分析

隱性文化對齊獎勵模型：以跨注意力跳接提升T2I評估公平性

隨著文字生成影像技術快速發展，評估生成內容的文化真實性成為公平可信的關鍵。研究提出基於4.2億參數多模態大語言模型的隱性文化對齊獎勵模型，結合文化探測與跨注意力機制，直接預測標量分數。實驗在3,323組測試影像上達到80.54%配對正確率，並以0.21秒的延遲比傳統VQA評估快十倍。