EvalAlign: 通过监督微调人工注释的多模态大模型的精确定位评估文本到图像模型

AlignGPT 是一种多模态大型语言模型，通过为不同的图像-文本对分配不同级别的对齐能力，提升了模型性能。

使用人类反馈对齐文本到图像的深度生成模型，显著改善了生成对象的准确性。

提出了 FIGA 改进对齐方法，通过细粒度质量信号指导大型语言模型的对齐学习，验证了其有效性。

FineMatch 是一种新的基准，评估细粒度文本和图像匹配，检测和纠正文本与图像的不匹配。

VisionPrefer 数据集用于指导文本到图像生成模型的训练，捕捉人类偏好，性能优于之前的标准。

GenEval 评估框架用于分析生成模型的能力，发现模型在复杂能力方面仍有不足。

SelfAlign 模块通过自监督对比学习提高了图像-文本对齐的检索准确性。

分解式对齐评估方法与人类评分高度相关，提升了文本到图像的对齐准确性。

LLMScore 提供多层次的组成性评估得分，与人类评估的相关性显著更高。

自我演进微调（SEFT）消除了对注释样本的需求，保持了模型的稳定性和效率。