论文页面 - VIEScore2：具备空间定位解释能力的统一图像评估模型

来源：https://huggingface.co/papers/2610.00994 发布于 10月1日

·

由 https://huggingface.co/vinesmsuic 提交

Max Ku (https://huggingface.co/vinesmsuic)，发布于 10月8日

摘要

现有的合成图像评估器通常只提供一个标量质量分数，而无法指出支撑该分数的具体图像区域。我们提出 VIEScore2，一个支持可选条件图像输入的统一评估器，可同时用于图像生成和编辑任务。VIEScore2 将图像表示为 N×N 网格，并在单次模型前向传播中联合预测质量分数和缺陷位置。其文本原生的网格表示为异构空间监督提供了统一接口，并支持可直接验证的后训练目标。我们在涵盖纯评分、纯定位及联合监督的 38K 个样本上进行训练，样本横跨生成和编辑任务。在监督微调的基础上，我们进一步应用 GRPO 来改进缺陷定位，奖励函数结合了单元级 Dice 重叠度、分数准确率和输出格式有效性。一个免参数的解析器将结构化预测转换为可读的解释文本。在主测试套件上，VIEScore2 的整体分数 SRCC 达到 0.601，而在相同输入条件下，零样本通用 VLM 基线中表现最强的 Gemini-3-Flash 仅为 0.491。在缺陷定位方面，VIEScore2 在六个基准中的三个上，逐图网格 IoU 超越了通用 VLM 和专用空间评估器，并在其中五个基准上位列前三，包括超出其训练数据来源的数据集。

查看 arXiv 页面 (https://arxiv.org/abs/2610.00994)　查看 PDF (https://arxiv.org/pdf/2610.00994)　项目页面 (https://tiger-ai-lab.github.io/VIEScore2/)　GitHub1 (https://github.com/TIGER-AI-Lab/VIEScore2)　添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2610.00994)

在你的代理工具中获取此论文：

hf papers read 2610.00994

还没有最新版 CLI？运行：curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型（1个）

Allenda/VIEScore2　Image-Text-to-Text • 9B • 约 10 小时前更新 • 47 • 1 (https://huggingface.co/Allenda/VIEScore2)

引用此论文的数据集（0个）

暂无关联数据集。

在数据集的 README.md 中引用 arxiv.org/abs/2610.00994 即可将此数据集关联到本页面。

引用此论文的 Spaces（1个）

包含此论文的收藏夹（0个）

暂无包含此论文的收藏夹。

将此论文添加到收藏夹 (https://huggingface.co/new-collection) 即可将本页面关联。