IXThinker·2025-05-08 22:40

字節開源圖像編輯新法 性能提升9.19%

字節跳動開源圖像編輯新方法，僅用1/30訓練數據及1/13參數規模的模型，性能較現有SOTA提升9.19%。方法讓GPT-4o等多模態模型糾正編輯指令，解決監督信號噪聲問題，數據與模型已在GitHub開源。

指令理解錯在哪

當用戶要求AI「為照片中的男孩加一條粉色領帶」時，模型可能連膚色、衣服顏色一併改掉，甚至重繪整張圖。團隊發現一個被忽視的關鍵問題：現有圖像編輯數據集的監督信號存在噪聲。