MTEdit：在多轮图像编辑中，打包轨迹优于逐轮滚动生成
MTEdit 是一个多轮图像编辑数据集，通过以 Packed Trajectory Canvas（PTC）为核心的生成流程构建。该方法在统一的视觉上下文中共同生成多个编辑状态，从而减少多轮编辑中的错误累积和画质漂移。数据集包含 50 万条编辑轨迹，最多 8 轮，平均每条轨迹 5.38 轮。配套的 MTEdit-Bench 用于评估指令遵循、内容一致性、抵抗视觉质量下降的能力，以及利用历史上下文的效果。研究人员使用 MTEdit 对 Qwen-Image-Edit-Causal 进行微调，得到 Qwen-Image-MTEdit；在测试中，该模型在受评估的开源模型中表现最佳。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。