✨ 核心特点

• 采用**掩码生成式变压器（Masked Generative Transformer）**架构

• 实现精确可控的图像修改，同时保持原始内容的完整性

• 基于 Meissonic 模型进行开发，使用 CLIP_Gemma2 作为文本编码器

• 支持多种图像编辑任务

• 能够根据文本指令进行精准的图像修改

• 在保持图像质量的同时实现高度可控的编辑效果

🔬 技术特性

• 分辨率：支持 1024×1024 高质量图像生成

• 精度：使用 FP32 训练（确保稳定性）

• 优化：支持 LoRA 技术，可减少约 70% 的内存占用

• 灵活性：支持从 HuggingFace 数据集或自定义数据集训练

• 批处理大小：4（每 GPU）

• 梯度累积：8 步

• 学习率：1e-4

• 最大训练步数：500,000

• 梯度裁剪：10

📊 评估体系

• 包含标准测试集和评估脚本

• 使用 GPT-4.1/GPT-4o 进行多维度评分

• 评估维度包括：语义准确性、图像质量、整体表现

• 支持按编辑类别分类统计

• GEditBench-EN（英文指令）

• AnyBench

• EmuEdit

• MagicBrush

应用场景

• 风格转换（如吉卜力、赛博朋克、油画等）

• 对象修改和替换

• 属性调整

• 场景重绘

• 创意图像生成

📈 项目优势

1. 高质量输出：1024 分辨率保证图像质量

2. 精确控制：通过文本指令实现精细化编辑

3. 内容保持：在编辑过程中最大程度保留原始内容

4. 灵活扩展：支持 LoRA 微调，降低资源需求

5. 完整评估：提供标准化评估工具和基准测试

📄 开源信息

• 许可证：CC BY-4.0（知识共享署名 4.0 国际许可）

• 论文：已发表于 arXiv (arXiv:2512.11715)

• 代码语言：Python 99.7%

• 项目状态：活跃维护中

🔬 研究价值

整合包说明

1 最低英伟达6G显卡，20G内存就可以愉快玩耍了

2 极大优化了官方的生成代码逻辑，从10分钟提升到6秒即可完成 点击查看对比截图

3 个人觉得编辑图片效果还不错，速度又快，硬件要求又低，我的4070tis 5秒即可

点击查看

下载地址

夸克网盘

下载有疑问看下这里