2024-07-10，由清华大学和西安交通大学等机构联合创建的DreamBench++，这个任务目的是通过使用先进的多模态GPT模型来自动化评估，实现与人类评估一致的结果，从而提高个性化图像生成的可靠性和准确性。
一、引言：
个性化图像生成 是人工智能中的一个活跃研究领域，其主要目标是根据用户提供的文本提示和参考图像生成符合用户个性化需求的图像。尽管近年来取得了显著进展，但现有研究主要关注于收集更大规模和更真实的数据集以及开发更有效的架构。然而，由于评估方法的局限性，现有的系统在实际应用中的高可靠性需求带来了障碍。
目前遇到的困难和挑战
1. 个性化图像生成的挑战：
-
个性化图像生成是AI领域的一个活跃研究话题，旨在根据用户的文本提示和参考图像生成符合用户个性化需求的图像。
-
现有研究通常假设基准数据集具有准确的评估指标，并专注于开发更有效的架构。
-
由于缺乏与人类评估一致的自动化评估方法，现有数据集的评估可能不准确，从而影响模型在实际应用中的可靠性。
2. 评估方法的局限性：
-
个性化图像生成的评估通常需要人类评估，这既耗时又昂贵。
-
自动化的评估方法，如DINO和CLIP，虽然快速但可能与人类评估存在显著差异。
数据集地址：DreamBench++ 图像自动评估基准数据集|图像评估数据集|人工智能数据集
二、让我们一起看一下DreamBench++
DreamBench++（个性化图像生成的人本对齐基准）是一个新提出的任务，目的是通过使用先进的多模态GPT模型来自动化评估，实现与人类评估一致的结果。
数据集，包括150个高质量的图像和1350个提示。
数据集的构建：
1、关键词生成：使用GPT-4o生成200个相关关键词，并与Unsplash的200个最频繁关键词合并。
2、互联网图像收集：根据选定的关键词，从Unsplash、Rawpixel和Google Image Search收集相应的图像。
3、提示生成：使用GPT-4o为每个图像生成9个文本提示，涵盖不同难度级别。
数据集特点:
1、多模态：涵盖多种类型的图像和文本提示。
2、高质量：通过人工筛选和评估，确保图像和提示的质量。
3、多样性：覆盖各种难度类别，包括动物、风格相对简单的类别，以及更具挑战性的人物、物体和非自然图像风格。
自动化评估：使用先进的多模态GPT模型（如GPT-4o）进行自动化评估。
三、让我们一起展望DreamBench++应用
应用场景：个性化医疗图解生成
比如我是心脏科的医生，
我的工作中是经常 需要向患者解释一个复杂的医疗程序，比如心脏搭桥手术，让他了解手术是如何进行的，以及术后可以期待的效果。但这个患者对医学术语不太熟悉，那些专业的医学术语和复杂的图解让他感到困惑和害怕。
当我使用了DreamBench++，它可真是帮了我的大忙！
我告诉它：“嘿，给我生成一个心脏搭桥手术的图解，要简单明了，连小孩子都能看懂的那种。” 没过多久，它就给了我一系列超级直观的图解。 我给患者一看，他立刻就明白了。
我指着
第一张图说：“你看，这是你心脏的血管，这根红色的血管堵住了。”
然后，我又指向第二张图：“这里呢，是我们从你身体的另一部分取一段血管。”
第三张图：“接下来，我们把这段血管接到你心脏的堵塞血管两端，就像搭了一座小桥一样。”
最后一张图：“看，手术后，血液就能顺利地流过这座桥，你的心脏就能得到更多的血液了。”
患者看完这些图解，眼睛都亮了，他说：“原来就是这样搭一座小桥啊，我现在心里有底了，也不怕了。”
不得不说，DreamBench++可真是个宝贝，它让那些复杂的医疗程序变得简单易懂，让我的工作轻松多了。而且啊，看到患者因为理解了手术过程而变得更加放心，我的心里也是暖暖的。这不仅仅是帮助了患者，也让我这个做医生的感到特别自豪和满足。
