HumanEdit: Ein hochwertiger, von Menschen belohneter Datensatz für instruktionsbasierte Bildbearbeitung.

HumanEdit: A High-Quality Human-Rewarded Dataset for Instruction-based Image Editing

December 5, 2024

Autoren: Jinbin Bai, Wei Chow, Ling Yang, Xiangtai Li, Juncheng Li, Hanwang Zhang, Shuicheng Yan

cs.AI

Zusammenfassung

Wir präsentieren HumanEdit, ein hochwertiges, von Menschen belohntes Datenset, das speziell für die anweisungsgesteuerte Bildbearbeitung entwickelt wurde und präzise und vielfältige Bildmanipulationen durch Anweisungen in natürlicher Sprache ermöglicht. Frühere umfangreiche Bearbeitungsdatensets integrieren oft minimales menschliches Feedback, was zu Herausforderungen bei der Anpassung der Datensets an menschliche Präferenzen führt. HumanEdit überbrückt diese Lücke, indem menschliche Annotatoren Datenpaare erstellen und Administratoren Feedback geben. Durch sorgfältige Kuratierung umfasst HumanEdit 5.751 Bilder und erfordert über vier Stufen hinweg mehr als 2.500 Stunden menschlicher Arbeit, um Genauigkeit und Zuverlässigkeit für eine Vielzahl von Bildbearbeitungsaufgaben sicherzustellen. Das Datenset umfasst sechs verschiedene Arten von Bearbeitungsanweisungen: Aktion, Hinzufügen, Zählen, Beziehung, Entfernen und Ersetzen und deckt ein breites Spektrum realer Szenarien ab. Alle Bilder im Datenset werden von Masken begleitet, und für einen Teil der Daten stellen wir sicher, dass die Anweisungen ausreichend detailliert sind, um maskenfreie Bearbeitungen zu unterstützen. Darüber hinaus bietet HumanEdit umfassende Vielfalt und hochauflösende 1024 mal 1024 Inhalte aus verschiedenen Bereichen und setzt damit einen neuen vielseitigen Maßstab für Datensets zur anweisungsgesteuerten Bildbearbeitung. Mit dem Ziel, zukünftige Forschung voranzutreiben und Bewertungsmaßstäbe im Bereich der Bildbearbeitung zu etablieren, veröffentlichen wir HumanEdit unter https://huggingface.co/datasets/BryanW/HumanEdit.

English

We present HumanEdit, a high-quality, human-rewarded dataset specifically designed for instruction-guided image editing, enabling precise and diverse image manipulations through open-form language instructions. Previous large-scale editing datasets often incorporate minimal human feedback, leading to challenges in aligning datasets with human preferences. HumanEdit bridges this gap by employing human annotators to construct data pairs and administrators to provide feedback. With meticulously curation, HumanEdit comprises 5,751 images and requires more than 2,500 hours of human effort across four stages, ensuring both accuracy and reliability for a wide range of image editing tasks. The dataset includes six distinct types of editing instructions: Action, Add, Counting, Relation, Remove, and Replace, encompassing a broad spectrum of real-world scenarios. All images in the dataset are accompanied by masks, and for a subset of the data, we ensure that the instructions are sufficiently detailed to support mask-free editing. Furthermore, HumanEdit offers comprehensive diversity and high-resolution 1024 times 1024 content sourced from various domains, setting a new versatile benchmark for instructional image editing datasets. With the aim of advancing future research and establishing evaluation benchmarks in the field of image editing, we release HumanEdit at https://huggingface.co/datasets/BryanW/HumanEdit.