【亲测免费】 开源项目推荐：Human Preference Score v2

Human Preference Score v2（HPS v2）是一个用于评估文本到图像生成模型的人为偏好的开源项目。该项目主要使用Python编程语言开发。

项目基础介绍

HPS v2 是一个旨在为文本到图像生成模型提供稳定、公平且易于使用的评估方法的基准。它包括一个大规模的人类偏好选择数据集（Human Preference Dataset v2，HPD v2），以及一个基于该数据集训练的偏好预测模型。HPS v2 可以用来比较使用相同提示生成的图像。

核心功能

• 数据集：HPD v2 是一个包含大量人类偏好选择的图像数据集，为模型训练和评估提供了丰富的数据源。
• 偏好预测模型：HPS v2 模型可以根据图像生成模型的输出预测人类的偏好。
• 评估工具：项目提供了用于比较不同图像生成模型输出的工具，以及用于评估模型性能的命令行接口。

最近更新的功能

• 模型训练：HPS v2.1 版本包含了一个在更高质量数据集上训练的模型。
• 数据更新：项目更新了测试数据集，包含了每个标注者的原始标注数据。
• 新增模型：在最新版本中，包括了对 SDXL Refiner 0.9 和 SDXL Base 0.9 等模型的支持。
• 性能提升：项目持续优化了模型性能，提高了偏好预测的准确性。

HPS v2 通过这些更新，进一步增强了其在文本到图像生成模型评估领域的实用性和准确性。开源社区可以通过该项目来改进自己的图像生成模型，并利用提供的数据集和工具进行有效的性能评估。