11月11日，字节字节在豆包大模型团队官网上公布最新通用图像编辑模型SeedEdit。豆包SeedEdit支持一句话轻松改图，通用图像图WhatsApp%E3%80%90+86%2015855158769%E3%80%91mississippi%20state%20football%20jersey包括修图、编辑换装、模型美化、开启可句转化风格、测试在指定区域添加删除元素等各类编辑操作，用户通过简单的话轻自然语言即可驱动模型编辑任意图像。
目前，松改该模型已经在豆包PC端及即梦网页端开启测试。字节WhatsApp%E3%80%90+86%2015855158769%E3%80%91mississippi%20state%20football%20jersey用户可以在豆包生成图片后，豆包点击继续编辑按钮，通用图像图输入简单的编辑文本指令对图片背景或主体进行轻松调整，实现一句话改图。模型例如，用户在生成一张“小狗在草地奔跑”的图片后，可以直接输入“背景换成海边”等指令，获得一张基于原图片的微调图。
此外，用户也可以尝试在豆包PC或即梦的图像生成功能中自行上传参考图并进行二次加工。
SeedEdit是国内首个实现产品化的通用图像编辑模型。过往，学术界在文生图和图生图领域已有较多研究，但做好生成图片的指令编辑一直是难题，二次修改很难保证稳定性和生成质量。今年以来，Dalle3、Midjourney接连推出产品化的生图编辑功能，相较业界此前方案，编辑生成图片的质量大大改善，但仍缺乏对用户编辑指令的精准响应和原图信息保持能力。
字节跳动豆包大模型团队表示：图像编辑任务的关键在于取得「维持原始图像」和「生成新图像」之间的最优平衡，这一理念贯穿了整个模型的设计与优化过程。
据介绍，在模型数据生产中， SeedEdit 针对数据稀缺问题， 重新设计模型架构，并且采用多模型，多尺度，和多标准的数据制造方案很大程度上解决了数据量，数据多样性和数据质量的问题。作为一款专为图像编辑任务设计的模型，SeedEdit在通用性、可控性、高质量等方面取得了一定突破。
此前业界技术主要针对单个专家任务进行优化，比如针对表情、发型、背景的删除或替换，或专门配置工作流进行风格调配，每次出现新的编辑任务均需收集对应数据进行训练开发。而SeedEdit作为通用的图像编辑模型，适用各类编辑任务，支持用户脑洞大开的奇思妙想，无需再训练微调即可快捷应用。 它与业界同类方法对比 (如EMU Edit和Ultra Edit)，取得显著更优的性能指标。
（HQ-Edit等基准测评显示：SeedEdit能理解相对模糊的指令，且执行细致编辑时具有更高的图像保持率和成功率）
即便在常规任务中，相比专家模型，SeedEdit 也有一定优势。比如，在“抠图”换背景等用户最常用到的图像分割任务中，SeedEdit 编辑生成后的图像风格自然，无“贴图感”；在局部涂抹、编辑、添加和删除元素等任务中，相比手动涂抹编辑， SeedEdit通过语言指定， 大大节省了用户涂抹的时间，尤其针对裂纹、发丝等相对精细的涂抹区域。
（要求图片将草莓替换成柠檬）
同时，SeedEdit通过创新的模型架构，多尺度、多规则的数据获取、构造和过滤方案，能更好地理解用户意图并对齐 diffusion 生图模型，极大提高了图像编辑的精准度，并保持了高质量的图片生成效果。
（要求去掉裂纹，让图片变干净）?
基于豆包文生图大模型，目前SeedEdit支持中文和英文输入，还可以对中文成语和专有名词进行精准响应。下一步，SeedEdit还将开放多轮复杂编辑的功能。
豆包大模型团队表示，现阶段SeedEdit对模型生成图片的编辑效果要好于输入真实图片，同时在更复杂和更精细的控制上仍有改进空间。未来，SeedEdit会在真实图片保真、ID保持、编辑精确性、以及长时序的故事类、漫画类生成方面做进一步的优化和探索，提升编辑可用率和用户体验，支持用户更高效地创作有趣的内容。
雷峰网(公众号：雷峰网)
