Image Evaluation Skill | 图像评估技能

Helps choose and apply AI image / T2I evaluation benchmarks and metrics. Full benchmark details (metrics, datasets, links) are in reference.md.

协助选择和应用 AI 图像 / 文生图评测 的基准与指标。各基准的指标、数据集与资料链接见 reference.md。

When to use | 何时使用

需要评估文生图/生成图像质量、图文对齐、人体真实感、组合能力等
选 benchmark（如 GenAI-Bench、PartiPrompt、ImageEval、T2I-CompBench++）
选指标（VQAScore、FID、CLIPScore、人评、热力图/可解释反馈）
查数据集量级与评测方式

Quick reference | 速查

需求	推荐
通用图文对齐	GenAI-Bench + VQAScore
组合/推理	T2I-CompBench++、HRSBench、DALL-EVAL
中文 + 细粒度	ImageEval
人体真实感/失真	BodyMetric、Human Distortion Benchmark
可解释与改进	RAHF（热力图 + 分数）
指令编辑	Reason-Edit

Single-image evaluation (unified report)

Given one image and one prompt, run multi-metric evaluation and get one HTML report with:

维度	指标	说明
图文相关性	CLIPScore	0–1
图文相关性	VQAScore	GenAI-Bench 风格，BLIP-2，可选 `--no-vqa`
图文相关性	ImageReward	人类偏好奖励模型，与人工评判更一致，可选 `--no-imagereward`
生成质量	锐度 Laplacian	无参考清晰度 0–1
美学/吸引力	CLIP 美学代理	0–1
人体真实感/失真/RAHF	—	需专用模型，见 reference.md

cd image-evaluation
python3 -m venv .venv && .venv/bin/pip install -r requirements-eval.txt
.venv/bin/python evaluate_image.py --image /path/to/image.png "生图 prompt" --output-dir reports
# 可选：--no-vqa 跳过 VQAScore；--no-imagereward 跳过 ImageReward

报告输出到 reports/report_YYYY-MM-DD_HH-MM-SS.html（每次唯一）。布局：顶部粘性摘要 + 左图右表，减少纵向滚动。

References

Full benchmarks & metrics → reference.md（总览表 + 各基准说明 + 使用建议）