> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coze.cn/llms.txt
> Use this file to discover all available pages before exploring further.

## 评估器信息 {#c6fc045e}
<!-- @cols-width: 100,100,751 -->
| || | \
|**分类** | |**详情** |
|---|---|---|
| | | | \
|**基础信息** |**评估器名称**  |图片-花屏检测 |
|^^| | | \
| |**评估器类型**  |黑盒评估器，评估标准的明细不对客展示 |
| | | | \
|**效果说明** |**功能概述**  |考察图像内容质量评估场景下，识别图片是否存在明显花屏异常的能力指标，包含异常区域识别、内容属性判定、空间分布分析、面积占比评估四个维度。 |\
| | |1. 异常区域识别 |\
| | |衡量模型对图像中花屏异常的检测能力。花屏现象包括与图片主体无关的异常花纹、杂色、条纹、马赛克块等视觉异常。该维度关注模型能否从色彩分布、纹理结构中准确识别出这些异常区域，判断其面积是否显著，体现模型对图像破损与正常内容的区分能力。 |\
| | |2. 内容属性判定 |\
| | |衡量模型对花屏区域内容属性的精准判断能力。该维度关注检测到的异常区域是否确实为图像破损或异常区域，表现为纹理异常、颜色错乱或图像信息丢失。该维度体现模型对图像异常模式的理解深度，避免将正常的艺术效果、纹理设计或特殊视觉元素误判为花屏现象。 |\
| | |3. 空间分布分析 |\
| | |衡量模型对花屏区域形状特征与位置分布的分析能力。该维度从空间几何角度评估花屏区域的形状规则性（规则或散乱分布）、分布位置（集中于图片某一部分或分散分布）、空间模式特征。该维度关注花屏现象的空间表现形式，体现模型的几何感知与异常模式识别能力。 |\
| | |4. 面积占比评估 |\
| | |衡量花屏区域对整体图片的影响程度。该维度通过估算花屏区域占图片总面积的比例，判断这些异常区域是否影响整体视觉效果和内容可用性。该维度关注量化评估能力，体现模型对图片质量损伤程度和视觉完整性的综合判断水平。 |
|^^| | | \
| |**评估方式**  |复合评估器（LLM + Code） |
|^^| | | \
| |**评估对象**  |图片 |
|^^| | | \
| |**评估目标**  |内容质量 |
|^^| | | \
| |**应用场景**  |AIGC 产物质量评估 |
|^^| | | \
| |**评估规则说明** |1分表示不存在花屏 |\
| | |0分表示存在花屏 |
|^^| | | \
| |**评估置信度** |100.00% |

## 评估器参数说明 {#8582d533}
<!-- @cols-width: 100,135,100,174 -->
| | | | | \
|参数 |参数名称 |是否必填 |参数说明 |
|---|---|---|---|
| | | | | \
|输入信息 |image_url_list |是 |回复图片list |
| | | | | \
|输出信息 |result_str |是 |评估分数和具体评估理由 |

### 输入格式 (Input Schema) {#0c5d9c4e}
```JSON
{
  "{{image_url_list}}": {
    "content_type": "multi_part",
    "multi_part": [
      {
        "content_type": "image",
        "image": {
          "url": "https://lf-stark-public.bytetos.com/obj/stark-public/图片花屏检测_1.jpg"
        }
      }
    ]
  }
}
```

### 输出格式 (Output Schema) {#05bcfb97}
```JSON
{
  "total_score": "0",// 表示整体的评估分数
  "result_image_list": [{//具体的每张图片的打分和理由
      "image_description":"",//图片的描述
      "reason":"",//图片的花屏检测打分理由
      "score":"0",//图片的花屏检测评估分数
  }], 
}
```