保真度检查 是做什么的？
将一张人物穿着或手持产品的生成照片与真实产品照片进行比较，回答九个固定问题，并由脚本将答案转换为评分卡。你判断你所看到的；脚本进行算术运算。
你需要什么
- 图像A：真实产品照片。它是产品实际情况的基准。
- 图像B：待审查的生成照片。
- 可选，图像C：生成器使用的姿势参考。有了它，你可以回答姿势问题；没有它，则回答
not_applicable。
如果你只收到一张图像，请询问另一张。不要凭记忆中的产品样貌来审查照片。
步骤
- 观察两张图像。如果可以裁剪和放大，请放大图像B中的产品，特别是任何印刷文字。
- 使用
same、minor、different、cannot_tell、not_applicable之一回答references/rubric.md中的九个问题。对于每个不是same的答案，添加evidence（你看到了什么，简短描述）和where。 - 将每个问题列为缺陷，并附上规则中的代码（
TEXT_GARBLE、PART_MISSING……）。仅使用这些代码。 - 转录音像A上产品上可辨识的文字（
text_in_reference）和图像B上的文字（text_in_generated）。照抄印刷内容。不要纠正拼写，也不要去补充本应显示的内容。 - 如果产品上有文字，运行文本规则作为交叉检查：
python scripts/text_match.py --expected "<图像A中的文字>" --observed "<图像B中的文字>"如果脚本退出码为1（标记为异常），将text答案设置为different并添加TEXT_GARBLE。 - 将检查清单编写为JSON（参见
references/checklist-example.json）并保存到临时文件，然后运行：python scripts/score.py <文件> - 回答时严格按照脚本打印的内容输出评分卡，然后附加一两句关于需要修改什么的说明。切勿自行计算分数，也切勿在脚本未输出“已验证”的情况下声称“已验证”。
审查规则
- 字面处理。不同的色调、缺少盖子、一个错误的字母、第六根手指：每项都是一个发现。
- 与图像A比较，而不是与看起来合理的内容比较。一张照片可能看起来很好，但仍然显示的是另一件产品。
- 当你无法看清足够信息来决定时，回答
cannot_tell。它得分1，永远不会得2，因此一个你无法回答的产品保真度问题会阻止“已验证”的判定：不能基于猜测验证照片。 - 图像A中出现的手、假人模特和道具不属于产品。如果它们出现在图像B中，那就是
LEAK_HAND_MANNEQUIN。 - 印刷文字逐字符检查。看起来胡言乱语的小字是
TEXT_GARBLE；错误的大单词或标志是TEXT_WRONG。 - 一次审查只评判一张照片。对于多张照片，逐一审查并并排报告。
局限性
模型评审员不是真人。在我们的迷你测试中，两名模型评审员在仅39%的照片上达成一致，这就是为什么问题固定、分数由代码计算，并且存在文本规则的原因。请把评分卡视为快速初筛工具，在发布之前亲自查看照片。
规则版本 1.0-draft。源代码和完整基准测试：https://github.com/molly554/onmodel