VQAScore

VQAScore是由卡内基梅隆大学（CMU）与Meta合作开发的一种评估方法，专注于通过视觉问答（VQA）模型来衡量文本提示生成图像的质量。该方法利用VQA模型计算“Does this figure show {text}?”这一问题回答“是”的概率，以此评估图像与文本提示之间的对齐程度。VQAScore的优势在于其无需额外的人类标注，直接采用现有的VQA模型，以概率形式提供更精准的评估结果，优于传统的评估指标如CLIPScore。目前，VQAScore已在多个项目中得到应用，包括Imagen3，用于自动化评估和优化生成式模型。