题目：StoryBench: A Dataset for Diverse, Explainable, Multi-hop Narrative Text-to-Image Generation

作者：葛源，叶凯阳（共一），陈赛寒，郝奥恺，马湘楠，常开妍，肖桐，朱靖波

简介：

近年来文本生成图像（Text-to-image, T2I）任务取得了长足进步。然而，它们通常无法生成具有丰富叙事情节的故事性图像。

首先，本文定义了事件推理任务，关注生成图像是否缺失或违反文本故事描述中事件之间的交互（包括物体、属性、关系、隐含物理常识等）。

其次，本文提出了StoryBench用于评估T2I模型的故事性图像生成能力，

这是一个多样、可解释的多跳评估数据集，包含728条数据并涉及动物-自然、劳动、医疗、体育和技术五个类别。

我们评估了 5 个广泛使用的T2I模型，包括DALL-E 3、Midjourney等商业模型，

发现即使是先进的T2I模型在生成具有丰富叙事情节的故事性图像方面也能力极其有限。

数据与代码将陆续开源：https://github.com/YER-hub/StoryBench