本研究评估了四种文本与图像一致性指标(CLIPScore、TIFA、VPEval和DSG),结果显示它们未达到理想标准,且对语言和视觉特性的敏感性不足。
正在访问的资源需要验证您是否真人。
或在微信中搜索公众号“小红花技术领袖”并关注
第二步:在公众号对话中发送验证码: