Evaluating Numerical Reasoning in Text-to-Image Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Kajić, Ivana, Wiles, Olivia, Albuquerque, Isabela, Bauer, Matthias, Wang, Su, Pont-Tuset, Jordi, Nematzadeh, Aida |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Revisiting Text-to-Image Evaluation with Gecko: On Metrics, Prompts, and Human Ratings
par: Wiles, Olivia, et autres
Publié: (2024)
par: Wiles, Olivia, et autres
Publié: (2024)
Benchmarking Diversity in Image Generation via Attribute-Conditional Human Evaluation
par: Albuquerque, Isabela, et autres
Publié: (2025)
par: Albuquerque, Isabela, et autres
Publié: (2025)
Dynamic Classifier-Free Diffusion Guidance via Online Feedback
par: Papalampidi, Pinelopi, et autres
Publié: (2025)
par: Papalampidi, Pinelopi, et autres
Publié: (2025)
Davidsonian Scene Graph: Improving Reliability in Fine-grained Evaluation for Text-to-Image Generation
par: Cho, Jaemin, et autres
Publié: (2023)
par: Cho, Jaemin, et autres
Publié: (2023)
DOCCI: Descriptions of Connected and Contrasting Images
par: Onoe, Yasumasa, et autres
Publié: (2024)
par: Onoe, Yasumasa, et autres
Publié: (2024)
Image2Text2Image: A Novel Framework for Label-Free Evaluation of Image-to-Text Generation with Text-to-Image Diffusion Models
par: Huang, Jia-Hong, et autres
Publié: (2024)
par: Huang, Jia-Hong, et autres
Publié: (2024)
A Simple Recipe for Contrastively Pre-training Video-First Encoders Beyond 16 Frames
par: Papalampidi, Pinelopi, et autres
Publié: (2023)
par: Papalampidi, Pinelopi, et autres
Publié: (2023)
Beyond Image-Text Matching: Verb Understanding in Multimodal Transformers Using Guided Masking
par: Beňová, Ivana, et autres
Publié: (2024)
par: Beňová, Ivana, et autres
Publié: (2024)
Evaluating the Evaluators: Metrics for Compositional Text-to-Image Generation
par: Kasaei, Seyed Amir, et autres
Publié: (2025)
par: Kasaei, Seyed Amir, et autres
Publié: (2025)
EgoCast: Forecasting Egocentric Human Pose in the Wild
par: Escobar, Maria, et autres
Publié: (2024)
par: Escobar, Maria, et autres
Publié: (2024)
Re-Thinking the Automatic Evaluation of Image-Text Alignment in Text-to-Image Models
par: Zhang, Huixuan, et autres
Publié: (2025)
par: Zhang, Huixuan, et autres
Publié: (2025)
LogicOCR: Do Your Large Multimodal Models Excel at Logical Reasoning on Text-Rich Images?
par: Ye, Maoyuan, et autres
Publié: (2025)
par: Ye, Maoyuan, et autres
Publié: (2025)
Multimodal RewardBench 2: Evaluating Omni Reward Models for Interleaved Text and Image
par: Hu, Yushi, et autres
Publié: (2025)
par: Hu, Yushi, et autres
Publié: (2025)
TemMed-Bench: Evaluating Temporal Medical Image Reasoning in Vision-Language Models
par: Zhang, Junyi, et autres
Publié: (2025)
par: Zhang, Junyi, et autres
Publié: (2025)
R2I-Bench: Benchmarking Reasoning-Driven Text-to-Image Generation
par: Chen, Kaijie, et autres
Publié: (2025)
par: Chen, Kaijie, et autres
Publié: (2025)
FLUX-Reason-6M & PRISM-Bench: A Million-Scale Text-to-Image Reasoning Dataset and Comprehensive Benchmark
par: Fang, Rongyao, et autres
Publié: (2025)
par: Fang, Rongyao, et autres
Publié: (2025)
MMMG: A Massive, Multidisciplinary, Multi-Tier Generation Benchmark for Text-to-Image Reasoning
par: Luo, Yuxuan, et autres
Publié: (2025)
par: Luo, Yuxuan, et autres
Publié: (2025)
EVALALIGN: Supervised Fine-Tuning Multimodal LLMs with Human-Aligned Data for Evaluating Text-to-Image Models
par: Tan, Zhiyu, et autres
Publié: (2024)
par: Tan, Zhiyu, et autres
Publié: (2024)
Multi-Modal Language Models as Text-to-Image Model Evaluators
par: Chen, Jiahui, et autres
Publié: (2025)
par: Chen, Jiahui, et autres
Publié: (2025)
ImageChain: Advancing Sequential Image-to-Text Reasoning in Multimodal Large Language Models
par: Villegas, Danae Sánchez, et autres
Publié: (2025)
par: Villegas, Danae Sánchez, et autres
Publié: (2025)
Hallucination as an Upper Bound: A New Perspective on Text-to-Image Evaluation
par: Kasaei, Seyed Amir, et autres
Publié: (2025)
par: Kasaei, Seyed Amir, et autres
Publié: (2025)
Hierarchical Visual Agent: Managing Contexts in Joint Image-Text Space for Advanced Chart Reasoning
par: Dong, Qihua, et autres
Publié: (2026)
par: Dong, Qihua, et autres
Publié: (2026)
Image Over Text: Transforming Formula Recognition Evaluation with Character Detection Matching
par: Wang, Bin, et autres
Publié: (2024)
par: Wang, Bin, et autres
Publié: (2024)
TempViz: On the Evaluation of Temporal Knowledge in Text-to-Image Models
par: Holtermann, Carolin, et autres
Publié: (2026)
par: Holtermann, Carolin, et autres
Publié: (2026)
Precision or Recall? An Analysis of Image Captions for Training Text-to-Image Generation Model
par: Cheng, Sheng, et autres
Publié: (2024)
par: Cheng, Sheng, et autres
Publié: (2024)
SPARTA: Evaluating Reasoning Segmentation Robustness through Black-Box Adversarial Paraphrasing in Text Autoencoder Latent Space
par: Zinkovich, Viktoriia, et autres
Publié: (2025)
par: Zinkovich, Viktoriia, et autres
Publié: (2025)
Temporal Reasoning Transfer from Text to Video
par: Li, Lei, et autres
Publié: (2024)
par: Li, Lei, et autres
Publié: (2024)
Rich Human Feedback for Text-to-Image Generation
par: Liang, Youwei, et autres
Publié: (2023)
par: Liang, Youwei, et autres
Publié: (2023)
IMAGINE-E: Image Generation Intelligence Evaluation of State-of-the-art Text-to-Image Models
par: Lei, Jiayi, et autres
Publié: (2025)
par: Lei, Jiayi, et autres
Publié: (2025)
Composition and Deformance: Measuring Imageability with a Text-to-Image Model
par: Wu, Si, et autres
Publié: (2023)
par: Wu, Si, et autres
Publié: (2023)
DiffChat: Learning to Chat with Text-to-Image Synthesis Models for Interactive Image Creation
par: Wang, Jiapeng, et autres
Publié: (2024)
par: Wang, Jiapeng, et autres
Publié: (2024)
Evaluating Multimodal Large Language Models on Vertically Written Japanese Text
par: Sasagawa, Keito, et autres
Publié: (2025)
par: Sasagawa, Keito, et autres
Publié: (2025)
Tables as Texts or Images: Evaluating the Table Reasoning Ability of LLMs and MLLMs
par: Deng, Naihao, et autres
Publié: (2024)
par: Deng, Naihao, et autres
Publié: (2024)
ANOLE: An Open, Autoregressive, Native Large Multimodal Models for Interleaved Image-Text Generation
par: Chern, Ethan, et autres
Publié: (2024)
par: Chern, Ethan, et autres
Publié: (2024)
Holistic Evaluation for Interleaved Text-and-Image Generation
par: Liu, Minqian, et autres
Publié: (2024)
par: Liu, Minqian, et autres
Publié: (2024)
MINOS: A Multimodal Evaluation Model for Bidirectional Generation Between Image and Text
par: Zhang, Junzhe, et autres
Publié: (2025)
par: Zhang, Junzhe, et autres
Publié: (2025)
ConceptBed: Evaluating Concept Learning Abilities of Text-to-Image Diffusion Models
par: Patel, Maitreya, et autres
Publié: (2023)
par: Patel, Maitreya, et autres
Publié: (2023)
TextTIGER: Text-based Intelligent Generation with Entity Prompt Refinement for Text-to-Image Generation
par: Ozaki, Shintaro, et autres
Publié: (2025)
par: Ozaki, Shintaro, et autres
Publié: (2025)
Leopard: A Vision Language Model For Text-Rich Multi-Image Tasks
par: Jia, Mengzhao, et autres
Publié: (2024)
par: Jia, Mengzhao, et autres
Publié: (2024)
Erasing 'Ugly' from the Internet: Propagation of the Beauty Myth in Text-Image Models
par: Dinkar, Tanvi, et autres
Publié: (2025)
par: Dinkar, Tanvi, et autres
Publié: (2025)
Documents similaires
-
Revisiting Text-to-Image Evaluation with Gecko: On Metrics, Prompts, and Human Ratings
par: Wiles, Olivia, et autres
Publié: (2024) -
Benchmarking Diversity in Image Generation via Attribute-Conditional Human Evaluation
par: Albuquerque, Isabela, et autres
Publié: (2025) -
Dynamic Classifier-Free Diffusion Guidance via Online Feedback
par: Papalampidi, Pinelopi, et autres
Publié: (2025) -
Davidsonian Scene Graph: Improving Reliability in Fine-grained Evaluation for Text-to-Image Generation
par: Cho, Jaemin, et autres
Publié: (2023) -
DOCCI: Descriptions of Connected and Contrasting Images
par: Onoe, Yasumasa, et autres
Publié: (2024)