ArticleMetadataMain page

source · 2026-04-15

Imagen Editor 与 EditBench（CVPR 2023）：推进并评测文本引导图像修补

#near-cvpr-2025#image-editing#evaluation#benchmarking#primary-source

Imagen Editor 与 EditBench（CVPR 2023）：推进并评测文本引导图像修补

会议：CVPR 2023
发表日期：2022-12-13
资料加入日期：2026-04-14

一句话结论

这篇工作把“编辑模型”和“编辑 benchmark”同时推进，说明图像编辑不只是方法问题，也已经进入系统化评测阶段。

问题定义

它要解决的是文本引导图像修补里两个核心问题：一是编辑结果如何既跟随文本又尽量保住原图细节；二是这类编辑能力到底应该如何稳定评测。对当前知识库来说，它同时补了 image-editing 方法线与 evaluation 评测线。

方法概述

作者在 Imagen 基础上微调出 Imagen Editor，用 object detector 产生训练时的修补 mask，并在级联扩散流程里继续保留原始高分辨率图像条件。同时提出 EditBench，用自然图像和生成图像上的对象、属性、场景编辑来系统评估文本引导图像修补。

关键发现

  • 它说明高质量图像编辑早期就已经明显依赖“训练数据/训练协议 + 编辑评测设计”的联动，而不只是推理时的小技巧。
  • 它把 EditBench 作为显式 benchmark 推上台面，说明图像编辑能力评估本身已经是独立问题。
  • 它为后续统一生成-编辑系统提供了一个重要参照：不仅要会编辑，还要能被可重复地评测。

局限或疑问

  • 它更偏向图像修补场景，不等于覆盖全部 instruction-based image editing。
  • 评测主要围绕 text-guided inpainting，和更开放的多类型编辑任务仍有距离。
  • 它是重要锚点，但还不能回答统一模型长期一定优于专用流水线。

原始链接

  • https://arxiv.org/abs/2212.06909
  • https://arxiv.org/pdf/2212.06909

相关页面

备注

Imagen Editor / EditBench 在这套库里的价值，是把图像编辑主线中的“方法推进”和“专门 benchmark 建立”接到同一历史节点上。

Metadata

{
  "id": "2026-04-14-imagen-editor-editbench",
  "type": "source",
  "title": "Imagen Editor 与 EditBench（CVPR 2023）：推进并评测文本引导图像修补",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "CVPR 2023",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "image-editing",
    "evaluation",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Wang, Su",
    "Saharia, Chitwan",
    "Montgomery, Ceslee",
    "Pont-Tuset, Jordi",
    "Noy, Shai",
    "Pellegrini, Stefano",
    "Onoe, Yasumasa",
    "Laszlo, Sarah",
    "Fleet, David J.",
    "Soricut, Radu",
    "Baldridge, Jason",
    "Norouzi, Mohammad",
    "Anderson, Peter",
    "Chan, William"
  ],
  "published_at": "2022-12-13",
  "canonical_links": [
    "https://arxiv.org/abs/2212.06909",
    "https://arxiv.org/pdf/2212.06909"
  ],
  "raw_entry": "raw/ingest/2026-04-14-imagen-editor-editbench/",
  "topics": [
    "topics/image-generation",
    "topics/image-editing",
    "topics/generative-model-evaluation"
  ],
  "entities": [
    "entities/unified-image-generation-editing"
  ],
  "claims": [],
  "questions": [
    "questions/question-will-unified-image-models-sustain-their-advantage"
  ]
}