案例09｜影像生成評估：同時檢查構圖、真實感與人類感知

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）與生成式人工智慧（Generative Artificial Intelligence, GenAI）。整理影像提示對齊、特徵距離與感知相似指標。

本案例依原書第 6 章的框架、範例或情境重組，並非原書正式案例研究。

二、學習目標

區分內容、注意力、特徵與感知指標。
理解特徵分布指標的高低方向。
辨識單一指標的盲點。

三、案例情境

原書將影像評估分為提示內容對齊與視覺品質。視覺問答（Visual Question Answering, VQA）、物件偵測與語意分割檢查提示元素；SemVarEffect 衡量文字語意變動對影像的因果影響；注意力圖診斷字詞與區域對應。Inception 分數（Inception Score, IS）以分類信心與多樣性評分，數值較高較佳；Fréchet Inception 距離（Fréchet Inception Distance, FID）比較真實與生成影像特徵分布，較低較佳。中心核對齊（Centered Kernel Alignment, CKA）、學習感知影像區塊相似度（Learned Perceptual Image Patch Similarity, LPIPS）與結構相似性指標（Structural Similarity Index Metric, SSIM）則接近人類感知。

四、開始資料

類別	方法	原書重點
內容對齊	VQA、物件偵測、語意分割	檢查提示中的物件與空間安排
語意敏感	SemVarEffect	文字語序或措辭改變是否帶來合理影像變化
注意力	注意力圖	診斷詞語與影像區域對應
特徵分布	IS、FID	品質與多樣性；真實／生成分布距離
感知相似	CKA、LPIPS、SSIM	貼近人類對結構與視覺差異的判斷

五、Excel／AI 分析方法

在 Excel 分別記錄提示元素、偵測結果、IS、FID、感知分數與人工審查；AI 可彙整指標衝突。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

高真實感不代表提示內容完整，高內容對齊也不代表美學品質。影像評估應同時檢查構圖、分布與人類感知。

八、AI 提問詞

請依提示元素、偵測、FID、IS、感知分數與人工評語評估影像；指標衝突時分開呈現，不得自行選一個代表全部品質。