Зміст
Коротко
Низькорівневі артефакти генерації майже закриті — залишається семантика сцени. Автори вводять Social Gaze Consistency як ознаку AI-зображень.
Що вивчали
Контрольований датасет, Block-Compositional Caption Supervision, перевірка на FakeVLM і Effort.
Головні висновки
- +3.7 pp на COCOAI Interaction, +1.3 pp на Person.
- Зростають recall і real, і fake.
- Навчання на одному inpainter переноситься на інші генератори.
Що це означає для розробників
Поєднуйте pixel і semantic сигнали; використовуйте парні контрприклади в eval VLM.
Обмеження
Фокус на person-centric сценах.