多语言文本到图像生成中跨语言一致性的局限性

近年来，文本到图像（T2I）生成取得了显着的进展。然而，现有的研究主要集中在纯英语环境上，而没有充分探讨跨语言的表现差距和特定语言的影响。为了填补这一空白，我们推出了 LingT2I，这是一个涵盖 10 种广泛使用的语言和 33K 提示的基准测试，旨在评估内容生成和文本渲染方面的跨语言效果。在此基准的基础上，我们进行了全面的跨语言分析，揭示了评估维度上的语言不平等和语言相关的权衡。除了定量评估之外，我们还进一步揭示了一系列依赖于语言的生成模式，强调语言因素及其相应的文化背景如何系统地影响模型输出。我们的基准测试和分析为研究 T2I 生成中的跨语言行为提供了基础，并促进了更强大和更具包容性的模型的开发。代码和数据集可在 https://github.com/RISys-Lab/LingT2I 获取。