V-CAPE产品图像编辑视觉一致性数据集发布

2026年10月30日，arXiv Computer Vision 刊出 Iaroslav Melekhov 等作者的 V-CAPE 数据集工作。据该报道，V-CAPE 是面向生成式图像编辑视觉一致性评估的大规模数据集，包含 40K 个源-目标产品图像对，每对标注二元接受/拒绝标签，并标注几何畸变、姿态错误、身份不匹配等结构化失败模式；数据集由真实编辑图像与基于 3D 资产构建的合成子集组成。报道称，在 AutoQA 上，所有被评估规模类别的视觉语言模型准确率均低于 65%。目前该事件仅有这一篇主报道，尚无跟进报道，后续进展有待观察。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。