HPSv3: В направлении широкоспектральной оценки человеческих предпочтений

HPSv3: Towards Wide-Spectrum Human Preference Score

August 5, 2025

Авторы: Yuhang Ma, Xiaoshi Wu, Keqiang Sun, Hongsheng Li

cs.AI

Аннотация

Оценка моделей генерации изображений по тексту требует соответствия человеческому восприятию, однако существующие метрики, ориентированные на человека, ограничены недостаточным охватом данных, неоптимальным извлечением признаков и неэффективными функциями потерь. Для решения этих проблем мы представляем Human Preference Score v3 (HPSv3). (1) Мы публикуем HPDv3 — первый широкоспектральный набор данных о человеческих предпочтениях, включающий 1,08 миллиона пар текст-изображение и 1,17 миллиона аннотированных попарных сравнений, полученных от современных генеративных моделей и изображений реального мира различного качества. (2) Мы представляем модель предпочтений на основе VLM, обученную с использованием функции потерь, учитывающей неопределенность, для детального ранжирования. Кроме того, мы предлагаем метод Chain-of-Human-Preference (CoHP) — итеративный метод улучшения изображений, который повышает качество без дополнительных данных, используя HPSv3 для выбора лучшего изображения на каждом шаге. Многочисленные эксперименты демонстрируют, что HPSv3 служит надежной метрикой для широкоспектральной оценки изображений, а CoHP предлагает эффективный и ориентированный на человека подход к улучшению качества генерации изображений. Код и набор данных доступны на странице HPSv3.

English

Evaluating text-to-image generation models requires alignment with human perception, yet existing human-centric metrics are constrained by limited data coverage, suboptimal feature extraction, and inefficient loss functions. To address these challenges, we introduce Human Preference Score v3 (HPSv3). (1) We release HPDv3, the first wide-spectrum human preference dataset integrating 1.08M text-image pairs and 1.17M annotated pairwise comparisons from state-of-the-art generative models and low to high-quality real-world images. (2) We introduce a VLM-based preference model trained using an uncertainty-aware ranking loss for fine-grained ranking. Besides, we propose Chain-of-Human-Preference (CoHP), an iterative image refinement method that enhances quality without extra data, using HPSv3 to select the best image at each step. Extensive experiments demonstrate that HPSv3 serves as a robust metric for wide-spectrum image evaluation, and CoHP offers an efficient and human-aligned approach to improve image generation quality. The code and dataset are available at the HPSv3 Homepage.