Human Style Preferences Images 图像生成偏好数据集

Human Style Preferences Images 数据集是一个用于评估文本到图像生成模型的人类标注数据集，由 Rapidata 利用 Rapidata 平台的创新性数据标注技术通过 Rapidata Python API 在短短 4 天内收集而成，并于 2025 年发布。该数据集通过展示两张图片并询问参与者哪张图片看起来更不奇怪或不自然，来收集人类对图像生成模型的一致性评价，包含了超过 120 万次的人类一致性投票，这些投票在不到 100 小时内完成，展示了 Rapidata 平台在数据收集速度上的优势。数据集具有大规模、全球代表性、多样化的提示和领先模型的比较等特点。该数据集对于基准测试新的图像生成模型、开发更好的生成模型评估指标、理解全球对 AI 生成图像的偏好、训练和微调图像生成模型以及研究跨文化审美偏好等方面具有重要价值。

数据集的构建不仅依赖于大规模的人类投票，还涵盖了来自全球各地的多样化参与者，确保了数据的地理和文化代表性。此外，数据集的构建过程中使用了精心设计的提示 (prompts)，以测试图像生成模型的不同方面，从而确保了数据集的全面性和深度。

该数据集适用于多种应用场景，包括但不限于新图像生成模型的基准测试、生成模型评估指标的开发、全球范围内 AI 生成图像偏好的理解、图像生成模型的训练与微调，以及跨文化美学偏好的研究。