通过概念扩展和密集监督释放图像编辑的潜力

现有的图像编辑框架主要遵循文本到图像扩散模型的训练范例。然而，将这种范式扩展到图像编辑凸显了两个固有的差异，具体来说，对编辑概念粒度的关注不够以及监督信号稀疏导致的训练效率低下。为了解决这些问题，我们建立了一个全面的分层分类法，包含 1,000 多个细粒度的编辑概念，并通过改进的综合框架构建了 ConceptEdit-12M，这是一个包含 1200 万个高质量编辑对的庞大数据集。这种库驱动的方法有效地纠正了生成数据的分布崩溃，同时确保了高数据保真度。此外，我们提出了一种密集监督训练策略，将多个互不干扰的概念合成为单个图像对。通过提供更丰富的学习信号，该策略显着提高了训练效率和整体模型性能。训练结果验证了我们的策略，显着优于之前的工作。最后，我们推出了 ConceptEdit-Bench，这是一个细粒度的评估套件，旨在诊断大量现实场景中的模型功能。