UltraText Bench: A Comprehensive Bilingual Benchmark for Evaluating Visual Text Rendering in Image Generation
Aggiunta all'archivio di AIChronos il (numero del 8 ottobre 2026 ricostruito)· fonte del · Deyuan Liu, Yihao Hu, Jingxuan Zhang, Xingying Li, Jun Xie, Jiacheng Liu (Westlake University)
UltraText Bench è un benchmark bilingue (inglese e cinese) progettato per valutare la capacità dei generatori di immagini di riprodurre testo denso in scenari complessi. Il dataset comprende 432 prompt distribuiti su 24 categorie di scene reali, con livelli di difficoltà variabili e riferimenti strutturati per contenuto, posizionamento e attributi visivi. L'analisi utilizza il modello Q-Judger per misurare fedeltà del testo, chiarezza, qualità spaziale e qualità della scena, rivelando differenze significative tra diverse configurazioni dei modelli. I risultati evidenziano come le prestazioni varino in base al carico di lavoro (workload) e alla lingua target.
- Il benchmark copre testo denso su più regioni con posizionamento corretto e leggibilità per scenari ad alta difficoltà.
- Ogni prompt è revisionato da umani e fornisce stringhe esatte per quattro a dodici regioni di testo associate a riferimenti strutturati.
- Z-Image-Turbo mostra un guadagno di 3.81 punti nella chiarezza rispetto alla versione base, ma perde 14.76 punti di fedeltà del testo nelle impostazioni riportate.
- Le prestazioni dei modelli variano significativamente in funzione della lingua e del livello di difficoltà (es. Qwen-Image-2512 scende da 86.50 a L1 a 42.86 a L3).
- Dieci partecipanti hanno validato manualmente i punteggi automatici per garantire l'affidabilità delle valutazioni.
Perché conta. È rilevante per gli sviluppatori che lavorano con AI locale e generatori di immagini perché fornisce metriche quantitative essenziali per ottimizzare il rendering del testo in applicazioni reali, evitando compromessi indesiderati tra fedeltà della stringa e leggibilità visiva.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.