论文页面 - MPIE-Bench：解剖学上合理的多人交互编辑基准测试

摘要

文本到图像以及个性化编辑模型现在可以轻松合成高保真度的单主体图像。然而，将多个具名人物置于共享接触动作（如拥抱、背负或扭打）中仍会暴露出重大缺陷：肢体融合、虚构的四肢以及身体相互穿透。现有评估大多忽视了这些解剖学和几何问题，而基于VLM的裁判清单在交互（Interaction）维度上往往趋于饱和，但错误对人类来说仍然显而易见。我们提出了MPIE-Bench，一个包含2,500个样本、从视频中挖掘的编辑三元组基准，涵盖405个场景、14个交互类别和四种接触密度（C0-C3）。我们还提出了MPIE-Eval，其两个新轴通过冻结的公开多人网格重建来评分接触时的几何结构。Anatomy（解剖学）检查每个人形质量是否都能由一组完整的重建身体来解释，Interaction（交互）检查这些身体之间的穿透距离和表面距离是否与指令所要求的接触相匹配。在十个编辑器上，网格Anatomy在两个不同模型上最高达到0.65，网格Interaction最高达到0.72，因此没有一个编辑器在两个方面都很强，而VLM清单对相同图像的评分超过0.95。一项五名评分者的研究证实，这两个轴都比零样本VLM裁判更贴近人类判断，并且在消融所有权重和阈值后排名仍然成立。

查看 arXiv 页面 (https://arxiv.org/abs/2607.27616)查看 PDF (https://arxiv.org/pdf/2607.27616)GitHub1 (https://github.com/AnnLin0628/mpie-bench)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2607.27616)

在您的代理中获取此论文：

hf papers read 2607\.27616

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.27616，以从此页面链接它。

引用此论文的数据集0

没有数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.27616，以从此页面链接它。

引用此论文的 Space0

没有 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2607.27616，以从此页面链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接它。