人工智能媒体生成【免费下载链接】PixNerd-XXL-P16-T2I项目地址https://ai.gitcode.com/MCG-NJU/PixNerd-XXL-P16-T2I点击查看免费下载PixNerd-XXL-P16-T2I 是一个 1.2B 参数的免 VAE 像素空间文生图Text-to-Image扩散模型官方在 GenEval 基准上取得0.73分、在 DPG 基准上取得80.9分。本文用大白话讲清楚这两个数字是怎么测出来的、怎么读、以及它们各自反映了模型什么能力帮助你快速看懂任何文生图模型的评测指标。PixNerd-XXL-P16-T2I 是什么模型先建立一个直觉再谈指标才不迷糊传统路线文生图模型通常先用 VAE 把图片压缩成一个小图latent在这个压缩空间里做扩散生成最后再解码回原图。压缩—还原的过程会累积误差、留下解码伪影。PixNerd 的路线直接在像素空间做扩散完全去掉 VAE并用神经场Neural Field来建模每个 patch 的解码专门强化高频细节。官方称之为Pixel Neural Field DiffusionREADME.md。 对指标的影响免 VAE 意味着少了一环有损压缩理论上画面保真度上限更高——这也是理解它 DPG 分数为什么不错的前提。它有两个主要分支README.md方向模型参数量评测方式分数类别生图ImageNetPixNerd-XL/16700MFID越低越好2.15 256 / 2.84 512文生图T2IPixNerd-XXL/161.2BGenEval DPG越高越好0.73 / 80.9本文重点拆解第二行文生图场景下的GenEval与DPG两大基准。GenEval 是什么6 类看图答题任务GenEval 是文生图领域最主流的组合生成能力评测之一。它的思路很朴素给模型 585 条结构化测试提示词每类能力考一组题机器自动判卷。共6 个子任务子任务考什么示例提示词单物体single object能不能画出指定物体a photo of a banana双物体two objects同框画两个物体a banana and a penguin计数counting物体数量是否准确three apples颜色colors物体颜色是否正确a purple car位置position空间关系对不对a dog to the left of a cat属性绑定attributes binding属性是否绑对物体a red bus and a blue car分数怎么读每个子任务得分 ∈ [0, 1]含义是该任务下生成成功的比例由自动检测器判卷Overall 6 个子任务得分的算术平均范围 0~1越高越好所以0.73可以粗略理解为综合六类能力PixNerd-XXL/16 大约答对了七成题短板通常出现在计数、位置这类需要精确空间推理的任务上一句话GenEval 回答的是——模型会不会画对物体、数量、颜色、位置、属性DPG 是什么长难句 画面质量双考DPGDensePrompt / DPG-Bench侧重另一面。它不考你画几个物体而是考察长文本理解使用 COCO 数据集中的 1069 条密集描述dense captions每条长达几十到上百词相当于让模型读一段说明书级提示词而不是几个单词。画面质量与人类偏好图片整体是否好看、是否被人类偏好。评测由两个子分组成CLIPScore文本—图像语义对齐分衡量画面内容是否贴合提示词描述ImageReward基于人类偏好训练的分衡量画面质量与观感分数怎么读DPG Overall 两个子分的平均采用 0~100 量级打分越高越好80.9表示 PixNerd-XXL/16 在读得懂长描述 画面质量高两件事上都拿到了不错的分数处于第一梯队水平README.md一句话DPG 回答的是——模型听得懂长指令吗画出来好看吗GenEval vs DPG一张表看懂区别维度GenEvalDPG评测重点组合生成物体/计数/颜色/位置/属性长文本语义对齐 图像质量测试提示词585 条结构化短提示1069 条长密集描述子分数6 个任务得分CLIPScore、ImageReward分数范围0 ~ 1越高越好约 0 ~ 100越高越好PixNerd-XXL/16 得分0.7380.9类比像数学选择题考精确能力像阅读理解 美术鉴赏考综合素养组合起来看结论GenEval 0.73 DPG 80.9说明 PixNerd-XXL-P16-T2I 既能画对组合能力扎实又能理解复杂长提示并保持高质量出图——这正是免 VAE 像素空间路线带来的高保真优势。 顺带一提README 中的FID如 2.15用于 ImageNet类别生图场景衡量生成图片分布与真实数据分布的距离越低越好与 GenEval/DPG 不能直接互相比大小README.md。如何验证与上手体验指标之外你也可以亲手感受 80.9 的 DPG 分数背后是什么体验权重文件model.ckptPixNerd-XXL-P16-T2I 检查点本地体验文生图 Demo 的启动方式README.mdpython app.py --config configs_t2i/inference_heavydecoder.yaml --ckpt_pathXXX.ckpt建议测试方法用一条长提示词含数量、颜色、位置、属性如一只戴红帽子的猫站在两把蓝色椅子的左边跑一张图对照 GenEval 六类任务自查再凭观感对照 DPG 的偏好分——你就能复现评测指标的主观版。常见问题 FAQQ1GenEval 0.73 算高吗在免 VAE、端到端像素空间路线的模型中属于很有竞争力的成绩它和 DPG 分数相互印证说明不是偏科生。Q2为什么 T2I 用 GenEval/DPG而 ImageNet 用 FID因为 ImageNet 任务是类别 → 图目标是分布还原度FID越低越好文生图是自由文本 → 图需要考语义遵循与生成质量GenEval/DPG越高越好。官方也是这么分工的README.md。Q3这两个分数会不会刷分两者都是自动化评测可能存在与评测器偏差相关的空间因此业界惯例是多基准交叉验证本文的 GenEval DPG FID 三件套就是典型做法单一高分不必迷信双基准同时强才算可信。总结记住这一句对应指标0.73 六类看图答题的综合正确率GenEval Overall80.9 长文本理解 画面质量的综合均分DPG Overall2.15 / 2.84 分布还原误差越低越好FIDImageNet C2I看懂了 GenEval 与 DPG 的测法PixNerd-XXL-P16-T2I 的评测表就不再是一串神秘数字而是一张清晰的能力体检报告。赞分享人工智能媒体生成【免费下载链接】PixNerd-XXL-P16-T2I项目地址https://ai.gitcode.com/MCG-NJU/PixNerd-XXL-P16-T2I点击查看免费下载相关推荐PixNerd-XXL-P16-T2I模型卡深度解读1.2B参数与GenEval 0.73、DPG 80.9意味着什么PixNerd XXL P16 T2I模型卡深度解读1.2B参数与GenEval 0.73、DPG 80.9意味着什么 如果你刚拿到 PixNerd XXL人工智能媒体生成PixNerd-XXL-P16-T2I是什么VAE-Free像素空间AI文生图模型新手完全指南PixNerd XXL P16 T2I是什么VAE Free像素空间AI文生图模型新手完全指南 PixNerd XXL P16 T2I 是南京大学 MCG N人工智能媒体生成PixNerd-XXL-P16-T2I核心架构拆解神经场如何替代VAE实现逐Patch像素解码PixNerd XXL P16 T2I核心架构拆解神经场如何替代VAE实现逐Patch像素解码 PixNerd XXL P16 T2I 是 MCG NJU 团人工智能媒体生成上一篇ScottPlot 社区贡献者访谈核心开发者揭秘 .NET 绘图库演进历程下一篇WaveDrom完全指南10分钟学会创建专业数字时序图创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/23 1:52:59 · 阅读 1.2k 如何看懂PixNerd-XXL-P16-T2I的评测指标：GenEval与DPG基准完全解析
人工智能媒体生成【免费下载链接】PixNerd-XXL-P16-T2I项目地址https://ai.gitcode.com/MCG-NJU/PixNerd-XXL-P16-T2I点击查看免费下载PixNerd-XXL-P16-T2I 是一个 1.2B 参数的免 VAE 像素空间文生图Text-to-Image扩散模型官方在 GenEval 基准上取得0.73分、在 DPG 基准上取得80.9分。本文用大白话讲清楚这两个数字是怎么测出来的、怎么读、以及它们各自反映了模型什么能力帮助你快速看懂任何文生图模型的评测指标。PixNerd-XXL-P16-T2I 是什么模型先建立一个直觉再谈指标才不迷糊传统路线文生图模型通常先用 VAE 把图片压缩成一个小图latent在这个压缩空间里做扩散生成最后再解码回原图。压缩—还原的过程会累积误差、留下解码伪影。PixNerd 的路线直接在像素空间做扩散完全去掉 VAE并用神经场Neural Field来建模每个 patch 的解码专门强化高频细节。官方称之为Pixel Neural Field DiffusionREADME.md。 对指标的影响免 VAE 意味着少了一环有损压缩理论上画面保真度上限更高——这也是理解它 DPG 分数为什么不错的前提。它有两个主要分支README.md方向模型参数量评测方式分数类别生图ImageNetPixNerd-XL/16700MFID越低越好2.15 256 / 2.84 512文生图T2IPixNerd-XXL/161.2BGenEval DPG越高越好0.73 / 80.9本文重点拆解第二行文生图场景下的GenEval与DPG两大基准。GenEval 是什么6 类看图答题任务GenEval 是文生图领域最主流的组合生成能力评测之一。它的思路很朴素给模型 585 条结构化测试提示词每类能力考一组题机器自动判卷。共6 个子任务子任务考什么示例提示词单物体single object能不能画出指定物体a photo of a banana双物体two objects同框画两个物体a banana and a penguin计数counting物体数量是否准确three apples颜色colors物体颜色是否正确a purple car位置position空间关系对不对a dog to the left of a cat属性绑定attributes binding属性是否绑对物体a red bus and a blue car分数怎么读每个子任务得分 ∈ [0, 1]含义是该任务下生成成功的比例由自动检测器判卷Overall 6 个子任务得分的算术平均范围 0~1越高越好所以0.73可以粗略理解为综合六类能力PixNerd-XXL/16 大约答对了七成题短板通常出现在计数、位置这类需要精确空间推理的任务上一句话GenEval 回答的是——模型会不会画对物体、数量、颜色、位置、属性DPG 是什么长难句 画面质量双考DPGDensePrompt / DPG-Bench侧重另一面。它不考你画几个物体而是考察长文本理解使用 COCO 数据集中的 1069 条密集描述dense captions每条长达几十到上百词相当于让模型读一段说明书级提示词而不是几个单词。画面质量与人类偏好图片整体是否好看、是否被人类偏好。评测由两个子分组成CLIPScore文本—图像语义对齐分衡量画面内容是否贴合提示词描述ImageReward基于人类偏好训练的分衡量画面质量与观感分数怎么读DPG Overall 两个子分的平均采用 0~100 量级打分越高越好80.9表示 PixNerd-XXL/16 在读得懂长描述 画面质量高两件事上都拿到了不错的分数处于第一梯队水平README.md一句话DPG 回答的是——模型听得懂长指令吗画出来好看吗GenEval vs DPG一张表看懂区别维度GenEvalDPG评测重点组合生成物体/计数/颜色/位置/属性长文本语义对齐 图像质量测试提示词585 条结构化短提示1069 条长密集描述子分数6 个任务得分CLIPScore、ImageReward分数范围0 ~ 1越高越好约 0 ~ 100越高越好PixNerd-XXL/16 得分0.7380.9类比像数学选择题考精确能力像阅读理解 美术鉴赏考综合素养组合起来看结论GenEval 0.73 DPG 80.9说明 PixNerd-XXL-P16-T2I 既能画对组合能力扎实又能理解复杂长提示并保持高质量出图——这正是免 VAE 像素空间路线带来的高保真优势。 顺带一提README 中的FID如 2.15用于 ImageNet类别生图场景衡量生成图片分布与真实数据分布的距离越低越好与 GenEval/DPG 不能直接互相比大小README.md。如何验证与上手体验指标之外你也可以亲手感受 80.9 的 DPG 分数背后是什么体验权重文件model.ckptPixNerd-XXL-P16-T2I 检查点本地体验文生图 Demo 的启动方式README.mdpython app.py --config configs_t2i/inference_heavydecoder.yaml --ckpt_pathXXX.ckpt建议测试方法用一条长提示词含数量、颜色、位置、属性如一只戴红帽子的猫站在两把蓝色椅子的左边跑一张图对照 GenEval 六类任务自查再凭观感对照 DPG 的偏好分——你就能复现评测指标的主观版。常见问题 FAQQ1GenEval 0.73 算高吗在免 VAE、端到端像素空间路线的模型中属于很有竞争力的成绩它和 DPG 分数相互印证说明不是偏科生。Q2为什么 T2I 用 GenEval/DPG而 ImageNet 用 FID因为 ImageNet 任务是类别 → 图目标是分布还原度FID越低越好文生图是自由文本 → 图需要考语义遵循与生成质量GenEval/DPG越高越好。官方也是这么分工的README.md。Q3这两个分数会不会刷分两者都是自动化评测可能存在与评测器偏差相关的空间因此业界惯例是多基准交叉验证本文的 GenEval DPG FID 三件套就是典型做法单一高分不必迷信双基准同时强才算可信。总结记住这一句对应指标0.73 六类看图答题的综合正确率GenEval Overall80.9 长文本理解 画面质量的综合均分DPG Overall2.15 / 2.84 分布还原误差越低越好FIDImageNet C2I看懂了 GenEval 与 DPG 的测法PixNerd-XXL-P16-T2I 的评测表就不再是一串神秘数字而是一张清晰的能力体检报告。赞分享人工智能媒体生成【免费下载链接】PixNerd-XXL-P16-T2I项目地址https://ai.gitcode.com/MCG-NJU/PixNerd-XXL-P16-T2I点击查看免费下载相关推荐PixNerd-XXL-P16-T2I模型卡深度解读1.2B参数与GenEval 0.73、DPG 80.9意味着什么PixNerd XXL P16 T2I模型卡深度解读1.2B参数与GenEval 0.73、DPG 80.9意味着什么 如果你刚拿到 PixNerd XXL人工智能媒体生成PixNerd-XXL-P16-T2I是什么VAE-Free像素空间AI文生图模型新手完全指南PixNerd XXL P16 T2I是什么VAE Free像素空间AI文生图模型新手完全指南 PixNerd XXL P16 T2I 是南京大学 MCG N人工智能媒体生成PixNerd-XXL-P16-T2I核心架构拆解神经场如何替代VAE实现逐Patch像素解码PixNerd XXL P16 T2I核心架构拆解神经场如何替代VAE实现逐Patch像素解码 PixNerd XXL P16 T2I 是 MCG NJU 团人工智能媒体生成上一篇ScottPlot 社区贡献者访谈核心开发者揭秘 .NET 绘图库演进历程下一篇WaveDrom完全指南10分钟学会创建专业数字时序图创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考