ID-Sim：以身份为中心的相似性度量

人类对身份具有显着的选择性敏感性——即使在截然不同的环境（例如不同的观点或照明）下，也能轻松地区分高度相似的身份。视觉模型一直在努力匹配这种能力，并且由于缺乏以身份为中心的评估指标，个性化图像生成等以身份为中心的任务的进展被减缓。为了帮助促进进展，我们提出了 ID-Sim，这是一种前馈指标，旨在忠实反映人类的选择性敏感性。为了构建 ID-Sim，我们策划了跨越不同现实世界领域的高质量图像训练集，并通过生成合成数据进行增强，提供受控的、细粒度的身份和上下文变化。我们在新的统一评估基准上评估我们的指标，用于评估以身份为中心的识别、检索和生成任务中与人类注释的一致性。