基于人类偏好数据集的图像生成质量评估及思维链优化方法

一种基于人类偏好数据集的图像生成质量评估及思维链优化方法，包括：构建全频谱人类偏好数据集(HPDv3)，整合多种图像类别、大量文本‑图像对和注释对比数据。基于视觉语言模型(VLM)编码器和RankNet等偏好排序损失函数，训练人类偏好分数模型(HPSv3)，使其能够精准评估图像与人类偏好的契合度。最后，利用多个生成模型，结合文本提示和优化指令，借助人类偏好思维链(CoHP)迭代生成图像，每轮运用HPSv3对生成图像打分筛选，将高分图像用于下一轮迭代，以此逐步提升图像与人类偏好的契合度，显著改善图像在构图、文本‑图像对齐及美学质量等方面的综合质量。该方法有效提升图像生成质量评估准确性，为图像优化提供高效方案。