定義
GenEvalとは、画像生成AIがプロンプトの指示（オブジェクト数・色・位置関係など）をどれだけ正確に画像へ反映できるかを測る評価ベンチマークのこと。
GenEval (画像生成の指示整合ベンチ)とは（詳しく解説）
GenEvalは2023年に発表された、テキスト生成画像AIの指示追従性を測るベンチマークで、単一・複数オブジェクトの共存や個数・色・位置関係・属性の組み合わせを、生成画像を物体検出モデルで自動判定してスコア化する手法が広く採用されている。人間の主観評価に頼らず再現性高く比較できる点が、Stable DiffusionやImagen系モデルの改善報告で頻繁に引用される理由とされる。実運用での落とし穴は、スコアが高くても実際のプロンプトでは破綻するケースがある点。評価文は定型的な短文が中心で、現場で使う長文・複雑な条件指定のプロンプトとは傾向が異なるため、上位モデルがそのまま自社用途で最適とは限らない。また評価には生成・物体検出・採点のパイプライン実行コストがかかり、大量プロンプトでの検証には相応の時間を要する。2026年時点では、GenEvalのスコアは指示整合性の目安として他の評価軸と併用し、自社の用途に近いプロンプトで追試してから選定するのが現場での定石とされる。相場感としても、単一ベンチマークだけでツール選定を決め切らず、複数指標を横断で見る運用が広がっている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「GenEval (画像生成の指示整合ベンチ)とは」 https://aipicks.jp/glossary/geneval
GenEval (画像生成の指示整合ベンチ)の使用例
- 評価用プロンプト例: 「赤いりんごが2個と、青いボウルが1つある机の写真」：個数・色・位置を同時に満たせるかを採点する。
- スコアが下がる典型パターン: 指定した色が別の物体に付く、指定個数より多い/少ない物体が生成される、などの取り違え。
