Nano Banana不會應試！指標拉垮，視覺效果驚艷，實測14個任務

新智元報道

編輯：LRST

【新智元導讀】最新報告探討了生成式模型Nano Banana Pro在低層視覺任務中的表現，如去霧、超分等，傳統上依賴PSNR/SSIM等像素級指標。研究發現，Nano Banana Pro在視覺效果上更佳，但傳統指標表現欠佳，因生成式模型更追求語義合理而非像素對齊。報告還提出改進方向和新評測范式的思考，強調生成式模型雖有潛力，但與專用模型仍有差距。

過去幾年，文本生成圖像（T2I）與多模態生成式模型的能力突飛猛進，已經能穩定地產生高質量、具備細節與語義一致性的圖像內容。

報告關注的核心矛盾在于：這些「擅長生成」的模型，是否也能在傳統低層視覺任務中充當通用求解器（generalist）？

低層視覺（low-level vision）通常強調對圖像退化的「精確逆過程」：例如去霧、超分、去噪、去雨、去模糊、去反射、去光暈等。

這類任務的經典評價方式往往依賴 PSNR/SSIM 等參考指標，強調像素級一致性。但生成式模型天生帶有「補全/重建」的傾向：它們可能會依據先驗去「合理地編造」高頻細節，從人眼觀感看更清晰、更「像真的」，卻在像素對齊意義上偏離GT。

華中科技大學的研究人員最近發布了一篇報告，把這種沖突概括為「人類感知偏好 vs. 傳統指標導向」的張力。

項目主頁：https://lowlevelbanana.github.io

論文鏈接：https://arxiv.org/abs/2512.15110

開源倉庫：https://huggingface.co/datasets/jlongzuo/LowLevelEval

報告中提出一個非常直接的問題：Nano Banana Pro能否成為低層視覺全能選手？

報告采用了一個刻意「極簡」的使用范式：不訓練、不微調，只用「輸入圖 + 簡單文本 prompt」直接讓Nano Banana Pro輸出結果，對其進行zero-shot基準評測。

零樣本+文本提示

14個低層任務的系統基準

研究人員把評測擴展到14個低層視覺任務、40個數據集，覆蓋三大類能力：圖像恢復（restoration）、圖像增強（enhancement）、圖像融合（fusion）。

任務清單包括：Dehazing、Super-Resolution、Deraining、Deshadowing、Motion Deblur、Defocus Deblur、Denoising、Reflection Removal、Flare Removal、Low-Light Enhancement、Underwater Enhancement、HDR Imaging、Multi-focus Fusion、Infrared-Visible Fusion；

圖中用顏色區分了restoration / enhancement / fusion三類任務。

保守估測性能

報告特別強調：當前結論是對模型能力的保守估計，即研究人員沒有做精細 prompt tuning，也沒有用多輪推理去「挑選最好看的輸出」，而是用固定、簡單的提示詞來模擬一種更接近「普通用戶上手」的用法。

閉源模型的評測約束

在一些任務章節里，研究人員也說明了評測工程細節：由于模型以API方式調用且閉源，無法做任務定制訓練；并且生成輸出分辨率可能固定在約1024尺度，因此需要將輸出resize回與GT一致的分辨率再計算指標，以保證定量比較盡量公平。

視覺「更好看」

但指標「更差」

報告最重要的結論可以概括為一句話：

Nano Banana Pro在主觀視覺質量上往往更討好，但在PSNR/SSIM等傳統參考指標上整體落后于專用模型。

研究人員將其歸因于生成式模型的內在屬性：生成式模型更傾向于追求「語義可信/感知合理」，而非嚴格的像素級對齊；同時模型輸出帶有隨機性（stochasticity），使得穩定性與可復現性也成為部署障礙。

系統性現象：感知質量與指標不一致

以Flare Removal為例，研究人員觀察到一種非常典型的現象：有些樣本視覺上已經「挺干凈、挺舒服」，但因為亮度/顏色等與GT存在偏差，量化分數依然不高，這反映了像素級指標對生成式增強的懲罰機制。

同時，研究人員也指出生成模型存在「高上限、低下限」的特征：在合適輸入上，它可能在細節恢復上超過 SOTA，但這種優勢會被擴散/生成模型的隨機性與語義漂移所抵消，出現明顯方差與語義幻覺，prompt 工程也只能部分緩解，難以保證工業級確定性。

穩健但不極致：生成式模型有時會選擇更保守的輸出

在低光增強（Low-Light Enhancement）的分析中，研究人員給出另一個視角：

Nano Banana Pro可能不太會引入顯著的光暈、結構破壞、嚴重色偏等「災難性偽影」，這使得它在某些實際應用中具備吸引力；

但它也會出現亮度控制不一致、對prompt敏感、以及與benchmark的GT定義不完全匹配等問題，因此整體仍難以與專用方法競爭。

更進一步，報告還給出可能的改進方向：更具體的prompt設計、few-shot示例對齊、輕量適配/微調、以及把統一多模態模型與任務模塊結合的混合范式。

報告貢獻與意義：它不只是在「打分」，而是在推動重新定義評測與目標

這份報告的價值不止在于給Nano Banana Pro下結論，更在于它把一個長期存在但常被忽略的問題擺到臺面上：

• 當生成式模型進入低層視覺后，「像素一致性」是否仍是唯一目標？

• 傳統指標是否在系統性地誤導我們對生成式恢復/增強的判斷？

• 是否需要能同時刻畫「感知質量 + 結構/語義穩定性 + 像素保真」的新評測范式？

報告明確指出：Nano Banana Pro作為零樣本低層視覺求解器，已經是一個很強的 baseline，并展示出跨任務的「泛化潛力」；但要達到專用模型那種高保真、可控、穩定的水準仍有明顯鴻溝。

參考資料：

https://arxiv.org/abs/2512.15110

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！