AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-20
テキストから画像生成モデルの制約充足を評価するLogicVal
原題: LogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation
テキストから画像を生成するモデルが、プロンプトの制約を満たす画像を作れるかを評価するため、本研究は評価を制約充足問題として捉え直し、論理的枠組みで定式化した。4つのモデルを9種類の制約で評価した結果、最良のモデルの精度は単一物体の制約で98%、複雑な多物体関係の制約で53%と大きな差があった。また、神経視覚検出と論理推論を組み合わせた評価手法LogicValを提案し、CLEVRでROC-AUC 0.88〜0.98を示した。