当组合并不相加：人类识别AI生成图像中的缺陷

*Chulin Zhao 和 Ruoqi Hu 对这项工作贡献相同。 当提示词涉及多个实体和多个属性等复杂的组合因素时，最先进的文本到图像（T2I）模型会表现出明显且系统性的缺陷。本文研究人类如何识别此类缺陷。具体而言，我们从人、手、物体和场景四类中手动选取了 651 张具有复杂组合特征的参考图像，并通过手动编辑 ChatGPT 生成的提示词，从中提炼出强调组合因素的提示词。随后，我们将这些提示词输入三个选定的 T2I 模型以生成 AI 图像，并开展了一项全面的主观研究来识别其中的缺陷。对于每张图像，29 名参与者提供多标签评估，指定缺陷类型和位置。该研究最终构建了组合式 AI 生成图像缺陷（CO-AID）数据集，其中包括参考图像、提示词、AI 生成图像，以及缺陷位置和类型信息。实验结果表明，在 CO-AID 上训练深度模型既能预测 AI 生成图像中的缺陷，也能优化 AI 图像生成，证明了其可用性和有效性。数据库和补充材料可在以下地址获取：https://github.com/Future-IQA/CO-AID 。