MPIE-Bench：多人编辑的接触几何，VLM评委为何“看走眼”？
现有文本到图像编辑模型在生成多人紧密接触场景时，常出现肢体融合、身体穿透等解剖学错误，但当前基准测试依赖的VLM评估在此类几何错误上趋于饱和，无法有效衡量。MPIE-Bench从视频中挖掘了2500个参考图-指令-目标图三元组，覆盖14种交互类别和4个接触密度。其核心贡献是MPIE-Eval评估协议：使用冻结的Multi-HMR模型从生成图像中重建多人网格，并基于网格计算Anatomy（解剖完整性）和Interaction（交互几何）两个新指标。实验发现，闭源模型的VLM-Interaction评分高达0.98-0.99，而网格Interaction评分仅为0.45-0.72，揭示了VLM评估