AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-20

LogicVal: টেক্সট-টু-ইমেজ জেনারেশনে সীমাবদ্ধতা পূরণের জন্য একটি লজিক-আনুষ্ঠানিক বেঞ্চমার্ক

মূল শিরোনাম: LogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation

টেক্সট-টু-ইমেজ মডেলগুলো প্রম্পটের শর্ত পূরণ করে কি না তা মূল্যায়ন করতে লেখকেরা মূল্যায়নকে একটি শর্ত-পূরণ সমস্যা হিসেবে পুনর্গঠন করেছেন এবং একটি যৌক্তিক কাঠামোতে তা সূত্রবদ্ধ করেছেন। নয়টি শর্তশ্রেণি ও চারটি মডেল জুড়ে, সেরা মডেলটি একক-বস্তুর শর্তে 98% স্কোর করেছে, কিন্তু জটিল বহু-বস্তুর সম্পর্কগত শর্তে মাত্র 53%। তাঁরা LogicVal-ও প্রস্তাব করেছেন, যা নিউরাল ভিজ্যুয়াল ডিটেকশনের সঙ্গে যৌক্তিক যুক্তি একত্র করে এবং CLEVR-এ 0.88 থেকে 0.98 ROC-AUC স্কোর অর্জন করে।

মূল লেখা পড়ুন ↗

সব আইটেম →