当组合不成立：人类识别AI生成图像缺陷的研究

研究人员构建了CO-AID数据集，包含651张多实体、多属性等复杂构成的参考图及对应提示词，用三个文生图模型生成图像，并邀请29名参与者标注缺陷类型与位置。实验显示，基于该数据集训练的模型可预测AI生成图像缺陷并优化生成效果。

此前文生图模型在复杂组合场景下的缺陷缺乏系统性量化数据，该研究提供了可复用的缺陷标注数据集（CO-AID），并证明了其可用于缺陷预测与生成优化，为改进模型组合能力提供了数据基础。

通过人工构造强调组合因素的提示词，生成图像并收集多标签缺陷标注，形成包含参考图、提示词、生成图及缺陷位置类型的数据集。深度模型在此数据上训练，学习缺陷规律，进而辅助预测和指导生成过程。

对于文生图模型开发方，CO-AID可用于训练缺陷检测模型，辅助质量评估；也可用于反馈优化生成，减少复杂提示词下的组合错误，降低人工筛选成本。

• 将CO-AID缺陷检测模型集成到文生图工具中，实时提供缺陷提醒
• 利用CO-AID数据微调模型，提升多实体、多属性场景的生成质量
• 基于CO-AID开发自动化评估指标，用于模型比较与筛选

• CO-AID数据集是否覆盖多种主流T2I模型？
• 标注缺陷的类别与位置是否有统一标准？
• 训练得到的缺陷检测模型在未知模型上的泛化能力如何？