/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
vincie
Опубликована
2 июл 2025

VINCIE-3B

Преобразование изображенийИзображение, текст → изображение4 профессии

VINCIE — диффузионная модель ByteDance-Seed для контекстного и многошагового редактирования изображений по тексту и предыдущим изображениям.

68скачиваний за 30 дней42лайкавеса обновлены9 сен 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

VINCIE — модель ByteDance-Seed для контекстного редактирования изображений, разработанная в рамках исследования обучения на видео. Она принимает изображение и контекстную последовательность из текста и ранее созданных изображений, чтобы выполнять многошаговое редактирование и создавать связанные изображения. В основе модели — блоково-каузальный диффузионный трансформер; обучение проводилось на задачах предсказания следующего изображения и сегментационных масок. Размер модели в карточке обозначен как 3B.

Модель предназначена для редактирования изображений по контексту, композиции нескольких концепций, создания последовательности кадров или иллюстраций и цепочек последовательных правок. В README заявлены сильные результаты на двух бенчмарках многошагового редактирования, а также перспективные способности к композиции и сторителлингу. Репозиторий использует библиотеку VINCIE и формат PyTorch. Лицензия — Apache-2.0.

Сценарии применения

  • редактирование изображения с учётом текстовой инструкции и предыдущих правок
  • создание серии связанных изображений по контексту
  • композиция нескольких визуальных концепций в одном изображении
  • создание иллюстрированной истории из последовательности сцен
  • последовательное редактирование изображения в несколько ходов

Ограничения

Заявленные сильные результаты относятся к бенчмаркам из исследования; сведений о качестве на иных задачах и ограничениях применения в карточке нет.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VINCIE: Unlocking In-context Image Editing from Video

Leigang Qu, Feng Cheng, Ziyan Yang, Qi Zhao, Shanchuan Lin, Yichun Shi, Yicong Li, Wenjie Wang, Tat-Seng Chua, Lu Jiang

In-context image editing aims to modify images based on a contextual sequence comprising text and previously generated images. Existing methods typically depend on task-specific pipelines and expert models (e.g., segmentation and inpainting) to curate training data. In this work, we explore whether an in-context image editing model can be learned directly from videos. We introduce a scalable approach to annotate videos as interleaved multimodal sequences. To effectively learn from this data, we design a block-causal diffusion transformer trained on three proxy tasks: next-image prediction, current segmentation prediction, and next-segmentation prediction. Additionally, we propose a novel multi-turn image editing benchmark to advance research in this area. Extensive experiments demonstrate that our model exhibits strong in-context image editing capabilities and achieves state-of-the-art results on two multi-turn image editing benchmarks. Despite being trained exclusively on videos, our model also shows promising abilities in multi-concept composition, story generation, and chain-of-editing applications.

✍️ Citation

@article{qu2025vincie,
  title={VINCIE: Unlocking In-context Image Editing from Video},
  author={Qu, Leigang and Cheng, Feng and Yang, Ziyan and Zhao, Qi and Lin, Shanchuan and Shi, Yichun and Li, Yicong and Wang, Wenjie and Chua, Tat-Seng and Jiang, Lu},
  journal={arXiv preprint arXiv:2506.10941},
  year={2025}
}

📜 License

VINCIE is licensed under the Apache 2.0.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · vincie

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
1ebf63d

0 моделей