图像生成

PosterReward: Unlocking Accurate Evaluation for High-Quality Graphic Design Generation

PosterReward: 解锁高质量图形设计生成的准确评估

Jianyu Lai, Sixiang Chen, Jialin Gao, Hengyu Shi, Zhongying Liu, Fuxiang Zhai, Junfeng Luo, Xiaoming Wei, Lujia Wang, Lei Zhu

专题命中 图像生成评测 ：image generation(abstract)；text-to-image(abstract)；分类 cs.GR

AI总结 本文提出PosterReward，通过多阶段训练策略构建高质量海报偏好数据集，设计专用奖励模型以提升海报评估精度，并引入评估基准测试现有模型性能。

Comments Accepted by CVPR'26

FED-Bench: A Cross-Granular Benchmark for Disentangled Evaluation of Facial Expression Editing

FED-Bench：一种跨粒度的面部表情编辑评估基准

Fengjian Xue, Xuecheng Wu, Heli Sun, Yunyun Shi, Shi Chen, Liangyu Fu, Jinheng Xie, Dingkang Yang, Hao Wang, Junxiao Xue, Liang He

机构 * Xi’an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Zhejiang Lab（之江实验室） 纠错

专题命中 图像生成评测 ：image editing(abstract)；分类 cs.CV

AI总结 本文提出FED-Bench，通过构建747个三元组基准，引入FED-Score评估协议，评估面部表情编辑的对齐、保真度和相对表达增益，揭示当前方法在高保真与准确表达操控间的困境，并提供20k+真实世界面部训练集。

EMMA: Concept Erasure Benchmark with Comprehensive Semantic Metrics and Diverse Categories

EMMA：具有综合语义度量和多样类别的概念擦除基准

Lu Wei, Yuta Nakashima, Noa Garcia

机构 * The University of Osaka（大阪大学） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 EMMA通过13项指标评估五种概念擦除方法，揭示其在隐含提示和视觉相似非目标概念下的鲁棒性问题，发现部分方法加剧性别和种族偏见。

Comments Accepted by CVPR 2026