NegT2IBench：文本到图像模型否定约束基准
Get the story
2026年10月5日，研究者在 arXiv（Computer Vision）发布 NegT2IBench，一个面向文本到图像模型的极性基准，用于考察否定如何改变生成画面。该基准包含 4,800 条提示，覆盖两种属性类型与四类关系，按极性组织，以区分否定本身与提示复杂度的影响。评估方面，基于检测器的评分在 600 张图像、三名标注者上与至多 30 倍大的视觉语言评判一致，而仅用其一小部分 GPU 内存。实验覆盖 11 个 T2I 模型与 211,200 张图像：九个模型在单条否定句上的得分低于单条肯定句，41.5% 的失败句恰好渲染了提示禁止的内容。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer VisionNegT2IBench：否定如何改变画面——面向文本到图像模型的极性基准
研究者推出 NegT2IBench，包含 4,800 条提示，覆盖两种属性类型与四类关系，按极性组织以区分否定与提示复杂度的影响。基于检测器的评分在 600 张图像、三名标注者上与至多 30 倍大的视觉语言评判一致，而仅用其一小部分 GPU 内存。覆盖 11 个 T2I 模型与 211,200 张图像，九个模型在单条否定句上得分低于单条肯定句，41.5% 失败句恰好渲染了提示禁止的内容。
Heat trend
Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.