Hanfu-Bench: Een Multimodale Benchmark voor Cross-Temporeel Cultureel Begrip en Transcreatie

Hanfu-Bench: A Multimodal Benchmark on Cross-Temporal Cultural Understanding and Transcreation

June 2, 2025

Auteurs: Li Zhou, Lutong Yu, Dongchu Xie, Shaohuan Cheng, Wenyan Li, Haizhou Li

cs.AI

Samenvatting

Cultuur is een rijk en dynamisch domein dat zich ontwikkelt over zowel geografie als tijd. Bestaande studies over cultureel begrip met vision-language modellen (VLMs) leggen echter vooral de nadruk op geografische diversiteit, waarbij de cruciale temporele dimensies vaak over het hoofd worden gezien. Om deze kloof te overbruggen, introduceren we Hanfu-Bench, een nieuw, door experts samengesteld multimodaal dataset. Hanfu, een traditioneel kledingstuk dat teruggaat tot oude Chinese dynastieën, dient als een representatief cultureel erfgoed dat de diepgaande temporele aspecten van de Chinese cultuur weerspiegelt, terwijl het tegelijkertijd zeer populair blijft in de hedendaagse Chinese samenleving. Hanfu-Bench bestaat uit twee kerntaken: cultureel visueel begrip en culturele beeldtranscreatie. De eerste taak onderzoekt temporeel-culturele kenmerkherkenning op basis van enkele of meerdere afbeeldingen via meerkeuzevragen over visuele vragen, terwijl de laatste zich richt op het transformeren van traditionele kleding naar moderne ontwerpen door middel van culturele elementovererving en aanpassing aan de moderne context. Onze evaluatie toont aan dat gesloten VLMs vergelijkbaar presteren met niet-experts op het gebied van visueel cultureel begrip, maar 10\% achterblijven bij menselijke experts, terwijl open VLMs nog verder achterblijven bij niet-experts. Voor de transcreatietaak geeft een veelzijdige menselijke evaluatie aan dat het best presterende model slechts een slagingspercentage van 42\% behaalt. Onze benchmark biedt een essentiële testomgeving, die aanzienlijke uitdagingen onthult in deze nieuwe richting van temporeel cultureel begrip en creatieve aanpassing.

English

Culture is a rich and dynamic domain that evolves across both geography and time. However, existing studies on cultural understanding with vision-language models (VLMs) primarily emphasize geographic diversity, often overlooking the critical temporal dimensions. To bridge this gap, we introduce Hanfu-Bench, a novel, expert-curated multimodal dataset. Hanfu, a traditional garment spanning ancient Chinese dynasties, serves as a representative cultural heritage that reflects the profound temporal aspects of Chinese culture while remaining highly popular in Chinese contemporary society. Hanfu-Bench comprises two core tasks: cultural visual understanding and cultural image transcreation.The former task examines temporal-cultural feature recognition based on single- or multi-image inputs through multiple-choice visual question answering, while the latter focuses on transforming traditional attire into modern designs through cultural element inheritance and modern context adaptation. Our evaluation shows that closed VLMs perform comparably to non-experts on visual cutural understanding but fall short by 10\% to human experts, while open VLMs lags further behind non-experts. For the transcreation task, multi-faceted human evaluation indicates that the best-performing model achieves a success rate of only 42\%. Our benchmark provides an essential testbed, revealing significant challenges in this new direction of temporal cultural understanding and creative adaptation.