MultiEdit 多模态图像编辑数据集

MultiEdit 是由 inclusionAI 联合新南威尔士大学和香港大学等机构于 2025 年发布的一个全面的大规模基于指令的图像编辑数据集，相关论文成果为「MultiEdit: Advancing Instruction-based Image Editing on Diverse and Challenging Tasks」，旨在推动模型在复杂、多样化的图像编辑任务中的能力提升。

该数据集包含约 107k 条样本，覆盖 6 大编辑任务与 56 种子类别编辑类型，包括对象引用编辑、人物引用编辑、文本与界面元素调整、视角变换及风格迁移等。数据来源于多模态大模型（如 GPT-4o 与 GPT-Image-1）驱动的生成流程，通过指令构造、图像生成与质量筛选相结合的方式，确保了编辑样本的相关性与一致性。数据结构由「源图像–编辑指令–编辑结果」三元组组成，并附带编辑类别与来源信息。

数据构成

• 对象引用编辑（Object Reference Editing）
  • 用于修改特定对象的属性，包括颜色、形状、比例和位置。
  • 包含 4 种编辑类型，共 10,051 个样本（训练集 9,851，测试集 200）。
• 人物引用编辑（Person Reference Editing）
  • 针对图像中的人物进行编辑，涵盖姿态、服饰、发型、肤色和体型等特征。
  • 包含 5 种编辑类型，共 7,141 个样本（训练集 6,891，测试集 250）。
• 文本编辑（Text Editing）
  • 对图像中的文本元素进行修改，例如字体样式、表述内容、显示介质与颜色。
  • 包含 4 种编辑类型，共 4,060 个样本（训练集 3,860，测试集 200）。
• 界面编辑（GUI Editing）
  • 用于编辑图形用户界面（GUI）元素的图标属性及显示介质，覆盖 iOS 、 Android 与网页界面。
  • 包含 2 种编辑类型，共 2,880 个样本（训练集 2,780，测试集 100）。
• 视角编辑（View Editing）
  • 生成图像主体（包括人物、地标与一般对象）的不同视角。
  • 包含 3 种编辑类型，共 28,205 个样本（训练集 28,055，测试集 150）。
• 风格迁移（Style Transfer）
  • 将图像转换为 38 种艺术风格，从经典艺术形式到现代数字美学。
  • 包含 38 种编辑类型，共 56,297 个样本（训练集 55,097，测试集 200）。