evalstone/evalscope/docs/zh/benchmarks/tifa160.md

TIFA-160

概述

TIFA-160 是一个文本到图像的基准测试，包含 160 个精心策划的提示词，旨在通过基于视觉问答（VQA）的自动化评估方法，衡量生成图像的忠实度与质量。

任务描述

• 任务类型：文本到图像生成评估
• 输入：用于图像生成的文本提示
• 输出：使用 PickScore 指标评估生成的图像
• 规模：160 个提示词

主要特性

• 精简且高质量的提示词集合，支持高效评估
• 使用 PickScore 指标对齐人类偏好
• 覆盖多样化的图像生成能力
• 支持评估新生成图像和已有图像
• 提供可复现的评估流程

评估说明

• 默认配置采用 0-shot 评估方式
• 主要指标：PickScore（用于对齐人类偏好）
• 评估对象来自 test 数据划分
• 属于 T2V-Eval-Prompts 数据集集合的一部分

属性

属性	值
基准测试名称	tifa160
数据集 ID	AI-ModelScope/T2V-Eval-Prompts
论文	N/A
标签	TextToImage
指标	PickScore
默认样本数（Shots）	0-shot
评估划分	test

数据统计

指标	值
总样本数	160
提示词长度（平均）	56.13 字符
提示词长度（最小/最大）	13 / 182 字符

样例示例

子集：TIFA-160

{
  "input": [
    {
      "id": "9de3e3b1",
      "content": "A Christmas tree with lights and teddy bear"
    }
  ],
  "id": 0,
  "group_id": 0,
  "metadata": {
    "prompt": "A Christmas tree with lights and teddy bear",
    "category": "",
    "tags": {},
    "id": "TIFA160_0",
    "image_path": ""
  }
}

提示模板

未定义提示模板。

使用方法

使用命令行（CLI）

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets tifa160 \
    --limit 10  # 正式评估时请删除此行

使用 Python

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['tifa160'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)