Qwen-Image-Bench

# Q-Judger 模型卡片

模型用途

Q-Judger是一个微调的判断模型，用于评估文本到图像（T2I）生成质量。该模型基于Qwen3.6-27B构建，使用结构化检查表对生成图像进行评分，并输出JSON格式的评估结果。

## 主要能力

该模型对图像进行5个顶层维度的层级评估：

• *质量（Quality）**
• 真实感：物理逻辑、材质纹理
• 细节：噪点、边缘清晰度、自然度
• 分辨率

• *美学（Aesthetics）**
• 构图、色彩和谐、灯光与氛围
• 解剖肖像：解剖真实度、情感表达、风格控制

• *对齐（Alignment）**
• 属性：数量、面部表情、材质属性、颜色、形状、尺寸
• 动作：接触交互、非接触交互、全身动作
• 布局：2D空间、3D空间
• 关系：组合关系、差异/相似性、包含关系
• 场景：真实场景、虚拟场景

• *真实世界保真度（Real-world Fidelity）**
• 公平性：社会偏见、文化公平性
• 安全与合规
• 世界知识：动物、对象、信息可视化、时间特征、文化元素

• *创意生成（Creative Generation）**
• 想象力、特征匹配、逻辑解决
• 文本渲染：文本准确性、文本布局、字体、跨语言生成
• 设计应用：平面设计、产品设计、空间设计、时尚造型、游戏设计、艺术设计
• 视觉叙事：电影风格、相机/镜头风格、分镜创作、镜头尺寸、构图、角度、漫画创作

模型启用思维链推理模式，在生成最终JSON输出前进行逐步推理。

## 输入输出

• *输入**：文本提示（prompt）+ 生成图像

• *输出**：结构化JSON，包含每维度评分

| 原始分数 | 含义 | 映射分数 |

|---------|------|---------|

| 0 | Fail | 0 |

| 1 | Pass | 60 |

| 2 | Excel | 100 |

| N/A | 不适用 | 排除 |

评分聚合方式：Level-3分数平均至Level-2，Level-2分数平均至Level-1，Level-1分数平均至总分。

运行要求

• Python虚拟环境
• PyTorch（根据CUDA版本选择安装）
• ms-swift及相关依赖

推理参数固定为：seed=42, temperature=0, top_k=1, top_p=1.0, repetition_penalty=1.05, max_new_tokens=4096, enable_thinking=True, max_batch_size=24

基本用法

准备CSV、JSON或JSONL格式输入文件，包含以下列：

• ID：提示标识符（1-1000）
• prompt：生成图像用的文本提示
• image：生成图像文件路径

使用CLI运行推理，必要参数包括：--input（输入文件）、--model（模型路径或HuggingFace模型ID）

## 人类一致性验证

模型与人类专家排名的Spearman相关系数：

• 质量：0.89
• 美学：0.89
• 对齐：0.89
• 真实世界保真度：0.92
• 创意生成：0.92
• 总体：0.92

所有相关性均具有统计显著性（p < 10⁻⁴）。

许可证

Apache License 2.0