V-CAPE：面向产品图像编辑的视觉一致性评估数据集

V-CAPE 是一个用于评估生成式图像编辑视觉一致性的大规模数据集，包含 40K 个源-目标产品图像对，每对标注二元接受/拒绝标签及几何畸变、姿态错误、身份不匹配等结构化失败模式。数据集结合真实编辑图像与基于 3D 资产构建的合成子集，所有评估规模类别的视觉语言模型在 AutoQA 上准确率均低于 65%。