WiseEdit: Бенчмаркинг редактирования изображений с учетом когнитивных и креативных аспектов
WiseEdit: Benchmarking Cognition- and Creativity-Informed Image Editing
November 29, 2025
Авторы: Kaihang Pan, Weile Chen, Haiyi Qiu, Qifan Yu, Wendong Bu, Zehan Wang, Yun Zhu, Juncheng Li, Siliang Tang
cs.AI
Аннотация
Современные модели редактирования изображений обладают интеллектуальными возможностями нового уровня, облегчая редактирование на основе когнитивных и творческих принципов. Однако существующие бенчмарки предлагают слишком узкую область для оценки, не позволяя всесторонне оценить эти продвинутые способности. Для решения этой проблемы мы представляем WiseEdit — ресурсоемкий бенчмарк для комплексной оценки редактирования изображений, основанного на когнитивных и творческих принципах, который характеризуется глубиной задач и широтой охвата знаний. Проводя аналогию с человеческим когнитивным творчеством, WiseEdit разбивает редактирование изображений на три каскадных этапа: Осознание, Интерпретация и Воображение, каждый из которых соответствует задаче, представляющей сложность для моделей на конкретном этапе. Он также включает сложные задачи, в которых ни один из трех этапов не может быть легко завершен. Кроме того, WiseEdit охватывает три фундаментальных типа знаний: декларативные, процедурные и метакогнитивные. В итоге WiseEdit состоит из 1220 тестовых случаев, объективно выявляя ограничения современных моделей редактирования изображений в области основанных на знаниях когнитивных рассуждений и возможностей творческой композиции. Бенчмарк, код оценки и сгенерированные каждым моделью изображения будут вскоре общедоступны. Страница проекта: https://qnancy.github.io/wiseedit_project_page/.
English
Recent image editing models boast next-level intelligent capabilities, facilitating cognition- and creativity-informed image editing. Yet, existing benchmarks provide too narrow a scope for evaluation, failing to holistically assess these advanced abilities. To address this, we introduce WiseEdit, a knowledge-intensive benchmark for comprehensive evaluation of cognition- and creativity-informed image editing, featuring deep task depth and broad knowledge breadth. Drawing an analogy to human cognitive creation, WiseEdit decomposes image editing into three cascaded steps, i.e., Awareness, Interpretation, and Imagination, each corresponding to a task that poses a challenge for models to complete at the specific step. It also encompasses complex tasks, where none of the three steps can be finished easily. Furthermore, WiseEdit incorporates three fundamental types of knowledge: Declarative, Procedural, and Metacognitive knowledge. Ultimately, WiseEdit comprises 1,220 test cases, objectively revealing the limitations of SoTA image editing models in knowledge-based cognitive reasoning and creative composition capabilities. The benchmark, evaluation code, and the generated images of each model will be made publicly available soon. Project Page: https://qnancy.github.io/wiseedit_project_page/.