Evaluating Text-to-Visual Generation with Image-to-Text Generation stellt eine neue Bewertungsmetrik, VQAScore, vor, die komplexe Text-zu-Bild-Generierungsergebnisse besser bewertet. Zusätzlich wird der GenAI-Bench-Benchmark-Datensatz eingeführt. VQAScore basiert auf dem CLIP-FlanT5-Modell und erzielt in der Bewertung von Text-zu-Bild-/Video-/3D-Generierung die beste Performance. Es ist eine leistungsstarke Alternative zu CLIPScore. GenAI-Bench bietet Testtexte mit reichhaltigen kombinierten semantischen Inhalten aus realen Szenarien, um die Leistung von Generierungsmodellen umfassend zu bewerten.