图像协调基准的分数到底在平均什么：1,399 张照片同时出现在训练集与测试集

图像协调基准的测试集存在数据泄漏：1,399 张照片同时出现在训练集和测试集，基于这些照片合成的图像占测试集四分之一。在这四分之一测试图像上，端到端评测的三个方法误差比其余部分低 2 至 5 倍，但差距主要来自合成方式而非照片共享，同一来源集合内差距降至约 1.5 倍。作者发布 5,581 张合成图像的测试列表，其构建身份未出现在训练集中，无需重训、每个 checkpoint 重打分一次即可采用。