DSG

用场景图细粒度检验文生图，让评估更靠谱

DSG（Davidsonian Scene Graph）是一个用于文本到图像生成评估的开源项目，发表于ICLR 2024。它针对当前文本到图像模型评估中仅关注整体语义匹配、缺乏细粒度推理的问题，提出了一种基于戴维森场景图（Davidsonian Scene Graph）的评估框架。该框架将文本描述和生成图像分别解析为结构化的场景图，通过图匹配和基于LLM的推理，实现对图像中物体、属性、关系以及事件逻辑的细粒度校验，从而更准确地判断生成图像是否忠实于文本提示。项目提供了完整的评估流程，包括场景图构建、匹配算法和可视化工具，支持VQA模型作为辅助，旨在为研究人员和开发者提供一个更可靠、更具解释性的文本到图像模型评估工具。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 109

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队j-min

所属国家

官网地址https://google.github.io/dsg

GitHubhttps://github.com/j-min/DSG

定价模式free

价格说明开源项目，提供在线文档和演示，完全免费使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型dsg,llm,text-to-image,text-to-image-evaluation,text-to-image-generation,vqa

GitHub 星标★ 109

30天Star增速

HF 下载量

上线时间2023-10-12 00:00:00

最近更新2026-08-20 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

提出戴维森场景图评估框架，超越传统整体相似度，能细粒度校验物体、属性和关系
结合LLM推理，可对复杂事件和逻辑关系进行验证，评估更深入
提供可视化工具，帮助直观理解生成图像与文本的差异

不足之处

项目处于早期，文档和社区支持待观察
依赖LLM和VQA模型，评估成本较高，可能不适合大规模快速评测

适用场景

学术研究中评估文本到图像模型的忠实度
开发者对比不同文生图模型在细粒度语义上的表现
需要可解释性评估结果的场景，如模型迭代调试

替代项目

T2I-CompBench、ImageReward、HPS v2

项目介绍

DSG 是评测安全领域的开源项目，由 j-min 开发，2023 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 109。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-20。提供在线文档和演示，完全免费使用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：学术研究中评估文本到图像模型的忠实度。同类可对比的替代方案包括 T2I-CompBench、ImageReward、HPS v2。

上一篇：TrustEval-toolkit

下一篇：safe-clip

DSG