Menschliche Stilpräferenzen Bilder Bildgenerierungspräferenzdatensatz

Der Datensatz „Human Style Preferences Images“ ist ein von Menschen annotierter Datensatz zur Bewertung von Modellen zur Text-Bild-Generierung. Es wurde von Rapidata in nur 4 Tagen mithilfe der innovativen Datenannotationstechnologie der Rapidata-Plattform über die Rapidata Python API gesammelt und im Jahr 2025 veröffentlicht. Der Datensatz sammelt menschliche Konsistenzbewertungen von Bildgenerierungsmodellen, indem zwei Bilder gezeigt und die Teilnehmer gefragt werden, welches Bild weniger seltsam oder unnatürlich aussieht. Es enthält mehr als 1,2 Millionen menschliche Konsistenzabstimmungen, die in weniger als 100 Stunden abgeschlossen wurden, was den Vorteil der Rapidata-Plattform hinsichtlich der Geschwindigkeit der Datenerfassung verdeutlicht. Der Datensatz zeichnet sich durch großen Maßstab, globale Repräsentativität, vielfältige Eingabeaufforderungen und einen Vergleich führender Modelle aus. Dieser Datensatz ist wertvoll für das Benchmarking neuer Bildgenerierungsmodelle, die Entwicklung besserer Bewertungsmetriken für Generierungsmodelle, das Verständnis globaler Präferenzen für KI-generierte Bilder, das Trainieren und Feinabstimmen von Bildgenerierungsmodellen und das Studium interkultureller ästhetischer Präferenzen.

Die Erstellung des Datensatzes beruht nicht nur auf einer groß angelegten menschlichen Abstimmung, sondern umfasst auch unterschiedliche Teilnehmer aus der ganzen Welt, wodurch die geografische und kulturelle Repräsentativität der Daten sichergestellt wird. Darüber hinaus wurden während der Erstellung des Datensatzes sorgfältig gestaltete Eingabeaufforderungen verwendet, um verschiedene Aspekte des Bildgenerierungsmodells zu testen und so die Vollständigkeit und Tiefe des Datensatzes sicherzustellen.

Dieser Datensatz eignet sich für eine Vielzahl von Anwendungsszenarien, unter anderem zum Benchmarking neuer Bildgenerierungsmodelle, zur Entwicklung von Bewertungsmetriken für Generierungsmodelle, zum Verstehen von Präferenzen für KI-generierte Bilder weltweit, zum Trainieren und Optimieren von Bildgenerierungsmodellen und zum Studium interkultureller ästhetischer Präferenzen.