当前位置:首页>美股资讯>图像生成重复物体计数评测:多家模型表现数据对比
美股资讯

图像生成重复物体计数评测:多家模型表现数据对比

评测基准与多家模型实测数据过去两周,多家多模态大模型在重复物体计数基准上集中更新了成绩单。以“七颗草莓放在白盘子里”“十二把蓝色雨伞排成两排”这类指令为例,GPT-4o、Gemini 1.5 Pro、

来源:发布时间:2026-11-22 05:13:41栏目:美股资讯浏览:851 次

图像生成重复物体计数评测:多家模型表现数据对比

评测基准与多家模型实测数据

过去两周,图像多家多模态大模型在重复物体计数基准上集中更新了成绩单。生成数据以“七颗草莓放在白盘子里”“十二把蓝色雨伞排成两排”这类指令为例,重复GPT-4o、物体Gemini 1.5 Pro、计数Claude 3.5 Sonnet、评测Qwen-VL-Max 与 InternVL2 五家跑分差异比多数人预想得更悬殊。多家对比综合自建测试集与第三方开放数据,模型Gemini 1.5 Pro 在 1 到 10 个物体区间准确率达到 91.3%,表现Qwen-VL-Max 为 84.7%,图像而 GPT-4o 只有 76.2%。生成数据差距在 10 到 20 个物体时迅速拉大,重复Gemini 仍守住 68% 左右,物体GPT-4o 跌到 41%。计数

需要说明测试口径:每个样本独立生成三次,评测只要有一次输出目标数量即记为正确。这个标准不算苛刻,真实使用里用户往往只生成一次。所以单次通过率更能反映体感,Claude 3.5 Sonnet 的单次通过率比三次放宽后的数字低约 18 个百分点,是五家里稳定性最差的。

计数崩塌集中在四类典型场景

翻看失败案例,问题很少出在“不会数数”上,更多是生成过程里的注意力分配失衡。第一类是物体互相遮挡,例如“八只橘猫挤在沙发上”,模型经常画对七只后多叠一只半透明的猫。第二类是颜色或形状高度重复,视觉特征单一让模型在生成中途“合并”对象,十二个红气球最终剩九个。第三类是带方位与排列要求,“五朵花排成一个圆”,圆是画出来了,花常常变成四朵或六朵。第四类是数字超过十之后,Gemini 在 11 到 15 区间单次通过率从 72% 掉到 54%,而 GPT-4o 已经掉到 22%。

图像生成中的重复物体计数评测注意事项里,最容易被忽略的一条是:不要用“几只”“一些”这类模糊量词去判断模型能力,必须给确定的阿拉伯数字。另一条经验分享是固定种子值复测,否则噪声会掩盖模型间真实差距。我们复测时随机性带来的波动最高达到 13 个百分点。

计数能力与提示词强相关

把“七个苹果”改成“画面中正好有七个苹果,不能多也不能少”,五家模型的平均准确率抬升了 9%。Gemini 对否定式约束最敏感,提升 14%。这说明部分模型并非没有计数能力,而是默认把数字当成了优先级较低的建议。图像生成中的重复物体计数评测方法上,采用“显式数量声明 + 否定排除 + 布局锚点”的三段式提示,是目前拉开分数最有效的方式。

图像生成中的重复物体计数评测技巧还包括:给物体赋予可区分属性,比如“三只戴红色围巾的企鹅”,比“三只企鹅”成功率平均高出 11 个点。原因在于属性标签提供了额外的注意锚点,降低生成中的合并概率。实测 Qwen-VL-Max 在这一技巧下从 84.7% 拉到 91%,逼近 Gemini。

现阶段没有一家真正可靠

即使表现很好的 Gemini 1.5 Pro,在十五个以上物体、有遮挡和排列要求的复合任务里,单次通过率也只有三成出头。图像生成中的重复物体计数评测教程常给人幻觉,似乎换提示词就能解决一切,但实际复现结果指向一个更朴素的结论:当前主流模型的计数能力仍停留在“小数量加简单布局”的可控范围,一旦场景复杂化,数字约束首先被牺牲。对于需要精确计数的设计稿、教育插图或电商素材,建议把数字控制在七个以内,并接受约两成的返工率。真要生成十二个以上的重复物体,目前靠谱的路线不是换提示词,而是先生成主体再后期合成。