PortraitCraft：肖像构图理解和生成的基准

肖像构图在肖像美学和视觉传达中发挥着核心作用，但现有的数据集和基准主要关注粗略的美学评分、通用图像美学或无约束的肖像生成。这限制了在明确构图要求下结构化肖像构图分析和可控肖像生成的系统研究。在本文中，我们介绍了 PortraitCraft，这是一个用于肖像构图理解和生成的统一基准。 PortraitCraft 建立在大约 50,000 个精选的真实肖像图像的数据集上，具有结构化的多级监督，包括全局构图分数、超过 13 个构图属性的注释、属性级解释文本、视觉问答对以及用于生成的面向构图的文本描述。基于该数据集，我们在统一框架内建立了两个互补的基准任务，用于组合理解和组合感知生成。第一个通过分数预测、细粒度属性推理和基于图像的视觉问答来评估肖像构图理解，而第二个则在显式构图约束下根据结构化构图描述评估肖像生成。我们进一步定义标准化评估协议，并提供具有代表性的多模式模型的参考基线结果。 PortraitCraft 为未来细粒度肖像理解、可解释的审美评估和可控肖像生成的研究提供了全面的基准。