AGIQA-3k-Database

给AI生成图像质量打分，建立评估基准

AGIQA-3k-Database 是一个用于AI生成图像质量评估（IQA）的细粒度主观感知与对齐数据库，由IEEE TCSVT 2023论文发布。它针对文本到图像生成模型（如Stable Diffusion）输出的图像，提供了3000张带有人类主观评分的数据集，评分涵盖质量感知、对齐感知等多个维度。该项目解决了AI生成图像质量评估缺乏标准数据集的问题，为研究者提供了训练和评估质量评估模型的基准。核心能力包括：细粒度的主观标注（不仅评估图像质量，还评估文本-图像对齐程度）、多维度评分体系、以及基于真实用户感知的标注协议。该数据库有助于推动生成图像质量评估算法的发展，提升生成模型的可靠性和可用性。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 70
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lcysyzxdxc
所属国家
官网地址
GitHubhttps://github.com/lcysyzxdxc/AGIQA-3k-Database
定价模式free
价格说明开源数据库，MIT许可证，完全免费使用。
访问状态
是否开源是
开源协议MIT
主要语言
技术栈/模型ai-generated-images,image-quality-assessment,stable-diffusion,text-to-image
GitHub 星标★ 70
30天Star增速
HF 下载量
上线时间2023-06-07 00:00:00
最近更新2026-07-11 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4

使用教程

核心亮点

  • 提供3000张AI生成图像的细粒度主观评分，覆盖质量和对齐两个维度
  • 基于IEEE TCSVT论文，标注协议严谨，学术可信度高
  • 专为文本到图像生成模型设计，贴合Stable Diffusion等实际场景

不足之处

  • 数据集规模相对较小，可能限制深度学习模型的训练效果
  • 文档和社区支持待观察，项目处于早期阶段

适用场景

  • 学术研究：训练和验证AI生成图像质量评估模型
  • 生成模型评测：对比不同文本到图像模型的输出质量
  • 产品落地：为图像生成产品提供自动质量监控和反馈

替代项目

AIGCIQA、GIQA、Image Quality Assessment (IQA) benchmarks

项目介绍

AGIQA-3k-Database 是数据集领域的开源项目，由 lcysyzxdxc 开发，2023 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 70。

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 2026-07-11。开源数据库，MIT许可证，完全免费使用。

它主要面向的使用场景是：学术研究：训练和验证AI生成图像质量评估模型。同类可对比的替代方案包括 AIGCIQA、GIQA、Image Quality Assessment (IQA) benchmarks。

上一篇：TextAtlas

下一篇：gpic

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09