論文の概要: GEditBench v2: A Human-Aligned Benchmark for General Image Editing

• arxiv url: http://arxiv.org/abs/2603.28547v1
• Date: Mon, 30 Mar 2026 15:08:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.465881
• Title: GEditBench v2: A Human-Aligned Benchmark for General Image Editing
• Title（参考訳）: GEditBench v2: 画像編集のための人為的なベンチマーク
• Authors: Zhangqi Jiang, Zheng Sun, Xianfang Zeng, Yufeng Yang, Xuanyang Zhang, Yongliang Wu, Wei Cheng, Gang Yu, Xu Yang, Bihan Wen,
• Abstract要約: GEditBench v2は、23のタスクにまたがる1200の現実世界のユーザクエリを備えた包括的なベンチマークである。 また、視覚的整合性を評価するためのオープンソースのペアワイドアセスメントモデルであるPVC-Judgeを提案する。 PVC-Judgeは、オープンソースモデルの最先端評価性能を達成し、平均してGPT-5.1を超えている。
• 参考スコア（独自算出の注目度）: 58.86807672117726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in image editing have enabled models to handle complex instructions with impressive realism. However, existing evaluation frameworks lag behind: current benchmarks suffer from narrow task coverage, while standard metrics fail to adequately capture visual consistency, i.e., the preservation of identity, structure and semantic coherence between edited and original images. To address these limitations, we introduce GEditBench v2, a comprehensive benchmark with 1,200 real-world user queries spanning 23 tasks, including a dedicated open-set category for unconstrained, out-of-distribution editing instructions beyond predefined tasks. Furthermore, we propose PVC-Judge, an open-source pairwise assessment model for visual consistency, trained via two novel region-decoupled preference data synthesis pipelines. Besides, we construct VCReward-Bench using expert-annotated preference pairs to assess the alignment of PVC-Judge with human judgments on visual consistency evaluation. Experiments show that our PVC-Judge achieves state-of-the-art evaluation performance among open-source models and even surpasses GPT-5.1 on average. Finally, by benchmarking 16 frontier editing models, we show that GEditBench v2 enables more human-aligned evaluation, revealing critical limitations of current models, and providing a reliable foundation for advancing precise image editing.
• Abstract（参考訳）: 画像編集の最近の進歩により、モデルが印象的なリアリズムを持つ複雑な命令を処理できるようになった。 しかし、既存の評価フレームワークは遅れている: 現在のベンチマークはタスクカバレッジが狭く、標準メトリクスは視覚的一貫性を適切に捉えられず、すなわち、編集された画像とオリジナルの画像の間のアイデンティティ、構造、セマンティックコヒーレンスを保存できない。 これらの制限に対処するため、GEditBench v2は、23タスクにまたがる1200の現実世界のユーザクエリを備えた包括的なベンチマークである。 さらに、視覚的一貫性のためのオープンソースのペアワイズアセスメントモデルであるPVC-Judgeを、2つの領域分離された嗜好データ合成パイプラインを用いて訓練する。 また,PVC-Judgeと人間の判断による視覚的整合性評価のアライメントを評価するために,専門家アノテートされた選好ペアを用いたVCReward-Benchを構築した。 実験により,我々のPVC-Judgeは,オープンソースモデル間の最先端評価性能を達成し,GPT-5.1を平均を超えていることがわかった。 最後に,16のフロンティア編集モデルのベンチマークにより,GEditBench v2により,より人間に近い評価が可能となり,現行モデルの限界が明らかになり,精度の高い画像編集を行うための信頼性の高い基盤が提供される。

関連論文リスト

• DLEBench: Evaluating Small-scale Object Editing Ability for Instruction-based Image Editing Model [10.609050605838805]
  本稿では,IIEMの小型オブジェクト編集能力を評価するための最初のベンチマークであるDeepLookEditBenchを紹介する。 7つの命令タイプにわたる1889のサンプルからなる挑戦的なテストベッドを構築した。 これらのサンプルでは、ターゲットオブジェクトは画像領域の1%-10%しか占めておらず、部分閉塞や複数オブジェクト編集といった複雑なシナリオをカバーしている。 10個のIIEMの実証的な結果から、小規模オブジェクト編集における大きなパフォーマンスギャップが明らかとなり、この機能を前進させるための特別なベンチマークの必要性が浮かび上がっている。
  論文  参考訳（メタデータ） (2026-02-27T02:59:34Z)
• I2I-Bench: A Comprehensive Benchmark Suite for Image-to-Image Editing Models [78.62380562116135]
  既存の画像編集ベンチマークは、タスクの範囲が限られており、評価範囲が不十分であり、手動のアノテーションに大きく依存している。 画像間編集モデルの総合的なベンチマークである textbfI2I-Bench を提案する。 I2I-Benchを用いて、多数の主流画像編集モデルをベンチマークし、様々な次元にわたる編集モデル間のギャップとトレードオフを調査した。
  論文  参考訳（メタデータ） (2025-12-04T10:44:07Z)
• UniREditBench: A Unified Reasoning-based Image Editing Benchmark [52.54256348710893]
  この研究は、推論に基づく画像編集評価のための統一ベンチマークUniREditBenchを提案する。 精巧にキュレートされた2,700個のサンプルからなり、8つの一次次元と18のサブ次元にわたる実世界シナリオとゲーム世界のシナリオをカバーしている。 このデータセットにBagelを微調整し、UniREdit-Bagelを開発した。
  論文  参考訳（メタデータ） (2025-11-03T07:24:57Z)
• OneIG-Bench: Omni-dimensional Nuanced Evaluation for Image Generation [23.05106664412349]
  テキスト・ツー・イメージ(T2I)モデルは、テキスト・プロンプトに整合した高品質な画像を生成する上で大きな注目を集めている。 OneIG-Benchは、T2Iモデルを複数の次元で評価するためのベンチマークフレームワークである。
  論文  参考訳（メタデータ） (2025-06-09T17:50:21Z)
• GIE-Bench: Towards Grounded Evaluation for Text-Guided Image Editing [60.66800567924348]
  テキスト誘導画像編集モデルを評価するための新しいベンチマークを導入する。 このベンチマークには、20種類のコンテンツカテゴリにわたる高品質な編集例が1000以上含まれている。 我々は、GPT-Image-1をいくつかの最先端編集モデルと比較する大規模な研究を行っている。
  論文  参考訳（メタデータ） (2025-05-16T17:55:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。