SpotEdit
收藏资源简介：
SpotEdit是一个用于评估最先进开源和闭源模型的视觉引导图像编辑能力的基准数据集。该基准数据集由真实和合成的视频帧构建，捕捉相同对象在姿态、方向和尺度上的变化。每个基准样本包含参考图像、输入图像、指令和接近真实值的编辑图像。此外，SpotEdit还包括专门用于评估幻觉的部分，其中参考图像或输入图像不包含指令中指定的对象。
SpotEdit is a benchmark dataset for evaluating the visual-guided image editing capabilities of state-of-the-art open-source and closed-source models. This benchmark is constructed from real and synthetic video frames, capturing variations of the same object in terms of pose, orientation, and scale. Each benchmark sample includes a reference image, an input image, an instruction, and a near-ground-truth edited image. Additionally, SpotEdit includes sections specifically designed to evaluate hallucinations, where the reference image or input image does not contain the object specified in the instruction.
SpotEdit 数据集概述
数据集简介
SpotEdit 是一个用于评估最先进的开源和闭源模型在视觉引导图像编辑能力方面的基准数据集。该数据集通过自动化的数据生成流程构建，包含来自真实和合成视频帧的样本，捕捉了同一对象在姿态、方向和尺度上的变化。
数据集构成
每个基准样本包含以下四个组成部分：
- 参考图像
- 输入图像
- 编辑指令
- 近乎真实的编辑后图像
特色内容
数据集专门设置了一个评估幻觉现象的板块，其中参考图像或输入图像不包含指令中指定的对象。定性分析表明，当前模型在编辑过程中经常引入幻觉现象。
相关资源
- 项目页面：https://github.com/SaraGhazanfari/SpotEdit
- 论文地址：https://arxiv.org/pdf/2508.18159
- Hugging Face 基准数据集：https://huggingface.co/datasets/saraghznfri/SpotEditBench
技术基础
该工作基于以下代码和模型构建：
- InternVL：https://github.com/OpenGVLab/InternVL
- Emu2：https://github.com/dmsc/emu2
- OmniGen：https://github.com/VectorSpaceLab/OmniGen
- UNO：https://github.com/bytedance/UNO
- BAGEL：https://github.com/ByteDance-Seed/Bagel
- OmniGen2：https://github.com/VectorSpaceLab/OmniGen2
引用信息
如需使用本数据集或相关模型，请引用以下文献：
@misc{ghazanfari2025spoteditevaluatingvisuallyguidedimage, title={SpotEdit: Evaluating Visually-Guided Image Editing Methods}, author={Sara Ghazanfari and Wei-An Lin and Haitong Tian and Ersin Yumer}, year={2025}, eprint={2508.18159}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2508.18159}, }
