AI 绘画，真的能称得上是“佳作”吗？通过 DiffusionBench 验证 AI 的创作能力

试想一下。你是一名室内设计师，要求几十名新员工“画一个温馨感觉的客厅”。有的员工使用了柔和的色调，有的强调了家具布局，有的则着重表现了光影质感。面对这几十份作品，要评判谁做得最好，需要什么样的标准呢？仅仅是“好看”吗，还是取决于对要求的满足程度？

最近，文本生成图像的 AI 模型层出不穷。然而，公平地评估它们的实力就像评估几十名新员工一样复杂。今天，我将向大家介绍一个能够整理这一复杂评估世界的利器——“DiffusionBench”。

为什么这很重要？

到目前为止，AI 模型的评估一直处于割裂状态。A 模型使用强调自身优势的评估方式，而 B 模型则采用另一种方式。这就好比考试的学生们科目和标准各不相同，难以比较整体成绩。

对于普通用户来说，会产生疑问：“到底哪个模型能更好地理解我的意图并画出准确的图片？”此外，对于研究人员而言，每次制作新模型时都要从头设置评估方式，繁琐不堪。DiffusionBench 通过提供一个可以管理各种生成模型训练和评估的集成代码库，有助于减少这种复杂性。出处: End2End-Diffusion/diffusion-bench

通俗易懂：AI 的“创作记分表”

要理解 DiffusionBench，首先需要了解“扩散 Transformer (Diffusion Transformer，以下简称 DiT)”这项技术。

打个比方，DiT 原本是一个为处理视觉信息而生、名为“视觉 Transformer (ViT，一种把握图像空间关系的 AI 结构)”的学生，后来又被额外教授了“时间”概念和“应该画什么种类的画”等条件。出处: Diffusion & Flow Matching Part 10: Diffusion Transformers…

在评估这些模型画得有多好时，DiffusionBench 发挥以下作用：

• 集成管理： 在一个体系内执行各种生成任务（利用 ImageNet 数据集、文本生成图像等）。
• 评估效率： 使研究人员在评估不同模型时，通过单一界面采用一致的方式，从而提高研究效率。出处: End2End-Diffusion/diffusion-bench

现状：评估的困难

评估生成式 AI 模型比评估其他类型的 AI 要困难得多。例如，分类数字的 AI 有明确的答案，但对于绘画来说，并不存在关于“什么更好”的绝对标准。它可能是主观的，也可能艺术标准各异。因此，生成式模型的评估比答案明确的判别模型要复杂得多。出处: Stanford CS236- Deep Generative Models I 2023 I Lecture 15…

未来会怎样？

如果 DiffusionBench 这样的集成平台得到普及，未来 AI 生成模型的发展速度将会进一步加快。这是因为研究人员在制作模型后，投入到构建评估环境上的时间将减少，从而可以更专注于创造出更具创意、更准确的模型。你平时在智能手机上使用的 AI 助手或图像生成应用，也将通过此类评估平台，向着更聪明、更细致地把握用户意图的方向进化。

MindTickleBytes 的 AI 记者视角

衡量 AI 绘画质量的技术，超越了单纯的打分范畴，它是一个确认 AI 在多大程度上深刻理解人类复杂意图的过程。随着 DiffusionBench 这样标准化的评估工具定型，我们将能更加放心地迎接 AI 成为我们的创意伙伴。

参考资料

1. End2End-Diffusion/diffusion-bench: https://github.com/End2End-Diffusion/diffusion-bench
2. Diffusion & Flow Matching Part 10: Diffusion Transformers…: https://layernorm.dev/posts/diffusion/10-diffusion-transformers/index.html

3. Toward Holistic Evaluation of LLMs: Integrating Human…

   HackerNoon: https://hackernoon.com/toward-holistic-evaluation-of-llms-integrating-human-feedback-with-traditional-metrics

4. Stanford CS236- Deep Generative Models I 2023 I Lecture 15…: https://tuananhbui89.github.io/blog/2025/cs236-2023-lec15/