跨模态生成式人工智能不同算法、训练数据及优化目标引致的生成质量与效能差异性与不确定性凸显，急需提出一种测度基准准确反映真实质量，从而为在人智协同中更好整合生成式人工智能技术提供有益参考。针对这一问题，南京大学数据管理创新研究中心李白杨助理教授以主流跨模态文生图领域为例，综合考虑生成式人工智能接入、生成以及评估三阶段过程，结合客观标准主观感知两个维度进行质量测度以及全工作流效能评估基准构建，并基于投入产出视角结合所提基准进行测度。结果表明，性别、年龄、就职状态以及数字素养对主观感知表现出一定影响，过于片面地看待生成式人工智能可能带来AI辨识障碍；Midjourney表现出较强的主观感知质量，且综合值已超过人类，Imagen 2在综合客观质量测度中表现更强；生成速度与主观得分呈现出显著正相关，而提示词长度与主、客观得分呈现出显著负相关；质量偏好者选择如Midjourney的高成本、高回报工具，效能追求者选择如SDXL-Turbo的低成本、高效率工具，而两者兼顾则可选择Imagen 2。
论文链接: http://kns.cnki.net/kcms/detail/11.1762.G3.20240607.1004.002.html.
上一篇：下一篇：
