105 lines
2.4 KiB
Markdown
105 lines
2.4 KiB
Markdown
# 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](https://modelscope.cn/datasets/AI-ModelScope/T2V-Eval-Prompts/summary) |
|
||
| **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`
|
||
|
||
```json
|
||
{
|
||
"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）
|
||
|
||
```bash
|
||
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
|
||
|
||
```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)
|
||
``` |