跳到正文
arXiv · 机器人与计算机视觉· Bowei Shan, Heng Yin·· 2 天前AI 评分42

TF-VSM:一种无阈值视觉语义匹配指标用于评估主体驱动图像生成的一致性

A Threshold-Free Visual-Semantic Matching Metric for Evaluating Consistency in Subject-Driven Image Generation

AI 导读

TF-VSM 提出了一种无需人工调参的连续置信度加权评分机制,解决了现有 VSM 依赖固定阈值导致的不稳定问题。在包含真实修复预言家的 100 对基准测试中,该方法经重训练后皮尔逊相关系数达 0.638、斯皮尔曼等级相关系数为 0.674,显著优于 CLIP、DINO 及 VLMs 等基线。该研究通过消融实验证实平滑置信度加权机制的有效性,并确认无阈值设计对训练损失平衡具有不变性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org