UFO：多模態影像生成的全條件對齊評估鏈
為何重要
目前的 GenAI 開發陷入「模型跑得快但評估跟不上」的瓶頸，UFO 的出現填補了針對文本與視覺條件同時對齊的評估空白，幫助研發者更精準地最佳化模型。其提出的評估基準更為業界提供了量化的比較標準，將推動業者提升客製化功能的精緻度與穩定性，成為衡量新一代生成模型實力的關鍵標竿。
近年來多模態影像生成領域蓬勃發展，特別是針對主題驅動的自訂化需求日益增加，但現有評估方法往往孤立地測試各模態條件，未考量模型需同時達到多條件對齊的目標，導致評估結果與人類偏好缺乏一致性。為解決此問題，研究團隊提出 UFO 框架，這是首個專注於統一評估全條件對齊的框架。
- 提出「原子化評估鏈」範式，將全條件對齊拆解為一系列細緻分離的原子評估單元，並進行模態分類。
- 在與人類評估偏好的相關性上表現最佳，平均改善幅度達到 15.25%。
- 發布了專門基準 UFO-Bench，專為評估現有自訂化模型在複雜文本與視覺條件互動下的整體表現。