facebook/emu_edit_test_set|图像编辑数据集|评估基准数据集

该数据集是一个图像编辑基准，定义了七种不同的图像编辑操作类别：背景更改、全局图像更改、样式更改、对象移除、对象添加、局部修改和颜色/纹理更改。它利用MagicBrush基准的多样化输入图像，并为每种编辑操作让众包工作者设计相关、有创意且具有挑战性的指令。此外，通过后验证阶段，众包工作者过滤掉无关指令的示例，以提高收集示例的质量。为了支持需要输入和输出标题的方法的评估，还为每个示例收集了输入标题和输出标题，确保标题捕捉到图像中的重要元素以及根据指令应更改的元素。

原始信息汇总

数据集卡片 - Emu Edit 测试集

数据集描述

数据集概述

为了创建一个图像编辑的基准，我们首先定义了七种不同类别的潜在图像编辑操作：背景改变（background）、全面图像变化（global）、风格改变（style）、对象移除（remove）、对象添加（add）、局部修改（local）和颜色/纹理改变（texture）。然后，我们利用MagicBrush 基准中的多样化输入图像，并为每个编辑操作，我们要求众包工作者设计相关、创造性和具有挑战性的指令。此外，为了提高收集示例的质量，我们应用了一个后验证阶段，其中众包工作者筛选出具有无关指令的示例。最后，为了支持需要输入和输出标题的方法（例如 prompt2prompt 和 pnp）的评估，我们还为每个示例收集了输入标题和输出标题。在这样做时，我们要求注释者确保标题捕捉图像中的重要元素，以及应根据指令改变的元素。此外，为了与 Emu Edit 进行适当比较，我们公开发布了测试集上的模型生成结果在此。更多详情请参见我们的论文和项目页面。

许可信息

采用 CC-BY-NC 4.0 许可，详情见此处。

引用信息

@inproceedings{Sheynin2023EmuEP, title={Emu Edit: Precise Image Editing via Recognition and Generation Tasks}, author={Shelly Sheynin and Adam Polyak and Uriel Singer and Yuval Kirstain and Amit Zohar and Oron Ashual and Devi Parikh and Yaniv Taigman}, year={2023}, url={https://api.semanticscholar.org/CorpusID:265221391} }