主要观点：比较两张图像的结构变化是 AI 难以应对的任务，生成式 AI 虽擅长识别和解释图像内容，但仅能识别明确训练过的方面差异，图像比较库需高度对齐，当前技术在视觉测试自动化中都有不足。人类通过眼球运动、对应问题解决等方式能快速找到图像差异，而 AI 在此方面仍有很大提升空间，文中还提出了一些解决图像比较问题的方法。
关键信息：

• 生成式 AI 基于多模态语言模型在识别和解释图像内容方面表现出色，但在图像结构变化比较上有局限。
• 图像比较库要求高度对齐，像素级比较对微小失真不宽容。
• 人类通过眼球运动等方式解决对应问题，进行图像差异比较。
• 提出训练 CNN 比较图像片段及检测和补偿大失真的算法来解决图像比较问题。
  重要细节：
• 以两张柏林地图为例，多种 AI 模型无法识别地图中缺失街道的差异，像素级算法会产生大量假阳性。
• 人类比较图像时先解决对应问题，眼球微小运动可叠加对应图像区域，视觉皮层与丘脑的连接体现了人类的假设驱动感知。
• 比较图像需考虑图像对是否相等及使它们相等的最小变化，简单像素级比较在现代用户界面中失败，可使用卷积神经网络解决。
• 对于大位移的情况，增加神经网络窗口大小会增加计算复杂度，可训练网络返回位移向量来解决。文中给出了相应的算法和代码示例。