GenAI-Bench#

概述#

GenAI-Bench 是一个全面的文本到图像基准测试，包含 1600 个提示词，旨在评估图像生成模型在不同类别和复杂度下的表现。

任务描述#

  • 任务类型：文本到图像生成评估

  • 输入：复杂度各异的文本提示（基础与高级）

  • 输出：使用 VQAScore 评估生成的图像

  • 规模：1600 个提示词

主要特性#

  • 大规模提示词集合，支持全面评估

  • 提示词按类别划分（基础 vs 高级）

  • 使用 VQAScore 衡量语义对齐程度

  • 包含丰富的元数据（如类别标签）

  • 支持对生成图像和已有图像进行评估

评估说明#

  • 默认配置采用 0-shot 评估方式

  • 主要指标：VQAScore（用于衡量语义对齐）

  • 评估对象为 test 分割中的图像

  • 提示词根据复杂度分为“basic”或“advanced”两类

  • 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

genai_bench

数据集ID

AI-ModelScope/T2V-Eval-Prompts

论文

N/A

标签

TextToImage

指标

VQAScore

默认Shots数

0-shot

评估分割

test

数据统计#

指标

值

总样本数

1,600

提示词长度（平均）

67.42 字符

提示词长度（最小/最大）

14 / 192 字符

样例示例#

子集：GenAI-Bench-1600

{
  "input": [
    {
      "id": "24dc1965",
      "content": "A baker pulling freshly baked bread out of an oven in a bakery."
    }
  ],
  "id": 0,
  "group_id": 0,
  "metadata": {
    "id": "GenAI-Bench1600_0",
    "prompt": "A baker pulling freshly baked bread out of an oven in a bakery.",
    "category": "basic",
    "tags": {
      "advanced": [],
      "basic": [
        "Attribute",
        "Scene",
        "Spatial Relation",
        "Action Relation"
      ]
    },
    "image_path": ""
  }
}

提示模板#

未定义提示模板。

使用方法#

使用 CLI#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets genai_bench \
    --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=['genai_bench'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)