13274243a0
Keep K3 suite selection and report-schema scoring in bash, merge K3/vision dataset_args into dpv4 yamls, and pin EvalScope at 735d920ee911 with local patches. Co-authored-by: Cursor <cursoragent@cursor.com>
156 lines
4.3 KiB
Markdown
156 lines
4.3 KiB
Markdown
# GEdit-Bench
|
||
|
||
|
||
## 概述
|
||
|
||
GEdit-Bench（Grounded Edit Benchmark）是一个基于真实世界使用场景的图像编辑基准测试。它通过基于大语言模型（LLM）的评判机制，对图像编辑模型在多种编辑任务上的表现进行全面评估。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：图像编辑评估
|
||
- **输入**：源图像 + 编辑指令
|
||
- **输出**：经 LLM 评判器评估的编辑后图像
|
||
- **语言**：英语（en）和中文（cn）
|
||
|
||
## 核心特性
|
||
|
||
- 真实世界的编辑场景（背景更换、颜色调整、风格迁移等）
|
||
- 11 种编辑任务类别
|
||
- 基于 LLM 的评估，衡量语义一致性和感知质量
|
||
- 支持英文和中文指令
|
||
- 综合评分指标：`semantic_consistency`（语义一致性）、`perceptual_similarity`（感知相似度）、`normalized_score`（归一化分数）
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估
|
||
- 在 **train** 划分上进行评估（包含测试样本）
|
||
- 评估指标：**semantic_consistency**、**perceptual_similarity**（通过 LLM 评判器）
|
||
- `normalized_score` 为官方总体得分：语义一致性（SC）与感知质量（PQ）得分的几何平均值
|
||
- 可通过 `extra_params['language']` 配置语言（en/cn）
|
||
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `gedit` |
|
||
| **数据集 ID** | [stepfun-ai/GEdit-Bench](https://modelscope.cn/datasets/stepfun-ai/GEdit-Bench/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `ImageEditing` |
|
||
| **指标** | `semantic_consistency`, `perceptual_similarity`, `normalized_score` |
|
||
| **默认 Shots** | 0-shot |
|
||
| **评估划分** | `train` |
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 606 |
|
||
| 提示词长度（平均） | 42.46 字符 |
|
||
| 提示词长度（最小/最大） | 11 / 158 字符 |
|
||
|
||
**各子集统计信息：**
|
||
|
||
| 子集 | 样本数 | 提示词平均长度 | 提示词最小长度 | 提示词最大长度 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `background_change` | 40 | 50.2 | 29 | 158 |
|
||
| `color_alter` | 40 | 41.5 | 23 | 143 |
|
||
| `material_alter` | 40 | 40.8 | 18 | 60 |
|
||
| `motion_change` | 40 | 44.05 | 20 | 87 |
|
||
| `ps_human` | 70 | 34.17 | 16 | 89 |
|
||
| `style_change` | 60 | 46.27 | 20 | 116 |
|
||
| `subject-add` | 60 | 51.13 | 14 | 148 |
|
||
| `subject-remove` | 57 | 37.3 | 15 | 110 |
|
||
| `subject-replace` | 60 | 48.95 | 27 | 96 |
|
||
| `text_change` | 99 | 39.71 | 11 | 116 |
|
||
| `tone_transfer` | 40 | 36 | 21 | 63 |
|
||
|
||
**图像统计信息：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总图像数 | 606 |
|
||
| 每样本图像数 | 最小: 1, 最大: 1, 平均: 1 |
|
||
| 分辨率范围 | 384x640 - 416x672 |
|
||
| 格式 | png |
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `background_change`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "4c309b59",
|
||
"content": [
|
||
{
|
||
"text": "Change the background to a city street."
|
||
},
|
||
{
|
||
"image": "[BASE64_IMAGE: png, ~495.7KB]"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"subset_key": "background_change",
|
||
"metadata": {
|
||
"task_type": "background_change",
|
||
"key": "4a7d36259ad94d238a6e7e7e0bd6b643",
|
||
"instruction": "Change the background to a city street.",
|
||
"instruction_language": "en",
|
||
"input_image": "[BASE64_IMAGE: png, ~495.7KB]",
|
||
"Intersection_exist": true,
|
||
"id": "4a7d36259ad94d238a6e7e7e0bd6b643"
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
*未定义提示模板。*
|
||
|
||
## 额外参数
|
||
|
||
| 参数 | 类型 | 默认值 | 描述 |
|
||
|-----------|------|---------|-------------|
|
||
| `language` | `str` | `en` | 指令语言。选项：['en', 'cn']。选项：['en', 'cn'] |
|
||
|
||
## 使用方法
|
||
|
||
### 使用 CLI
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets gedit \
|
||
--limit 10 # 正式评估时请删除此行
|
||
```
|
||
|
||
### 使用 Python
|
||
|
||
```python
|
||
from evalscope import run_task
|
||
from evalscope.config import TaskConfig
|
||
|
||
task_cfg = TaskConfig(
|
||
model='YOUR_MODEL',
|
||
api_url='OPENAI_API_COMPAT_URL',
|
||
api_key='EMPTY_TOKEN',
|
||
datasets=['gedit'],
|
||
dataset_args={
|
||
'gedit': {
|
||
# subset_list: ['background_change', 'color_alter', 'material_alter'] # 可选，评估特定子集
|
||
# extra_params: {} # 使用默认额外参数
|
||
}
|
||
},
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
```
|