/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7 млрд
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
MiMo-VL-7B-SFT-2508
Библиотека
transformers
Опубликована
6 окт 2025

EditReward-MiMo-VL-7B-SFT-2508

Описание изображенийИзображение → текст3 профессии

Мультимодальная модель TIGER-Lab оценивает результаты редактирования изображений по инструкциям и помогает выбирать варианты, наиболее соответствующие человеческим предпочтениям.

132скачиваний за 30 дней1лайквеса обновлены23 дек 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

TIGER-Lab/EditReward-MiMo-VL-7B-SFT-2508 — мультимодальная модель на 7 млрд параметров, разработанная TIGER-Lab как модель оценки качества редактирования изображений по инструкциям. Она дообучена на XiaomiMiMo/MiMo-VL-7B-SFT-2508 с использованием EditReward-Data — набора из более чем 200 тысяч вручную размеченных пар предпочтений. Модель предназначена для сравнения результатов редактирования и оценки того, насколько они соответствуют человеческим предпочтениям и заданной инструкции.

Модель основана на архитектуре Qwen2.5-VL, работает с изображениями и текстом и поддерживает контекст длиной до 128 000 токенов. В README сообщается о высокой корреляции с человеческими оценками на нескольких бенчмарках, включая GenAI-Bench, AURORA-Bench, ImagenHub и EditReward-Bench. Она подходит для выбора лучшего результата из нескольких вариантов редактирования; README не описывает её как генератор изображений. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • сравнение нескольких вариантов отредактированного изображения
  • оценка соответствия результата редактирования текстовой инструкции
  • ранжирование результатов редактирования по предпочтениям людей

Ограничения

Модель предназначена для оценки и сравнения результатов редактирования, а не для генерации изображений. Заявления о качестве основаны на бенчмарках из README и не гарантируют одинаковую точность для всех типов изображений и инструкций.

Для каких профессий подходит3

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

EditReward: A Human-Aligned Reward Model for Instruction-Guided Image Editing

Project Website arXiv Paper Model Dataset Benchmark

This repository contains the official implementation of the paper EditReward: A Human-Aligned Reward Model for Instruction-Guided Image Editing.

📖 Introduction

We introduce EditReward, a human-aligned reward model powered by a high-quality dataset for instruction-guided image editing. EditReward is trained with EditReward-Data, a large-scale, high-fidelity preference dataset comprising over 200K manually annotated preference pairs. This dataset covers diverse edits produced by seven state-of-the-art models across twelve distinct sources, ensuring high alignment with human judgment.

EditReward demonstrates superior alignment with human preferences in instruction-guided image editing tasks, achieving state-of-the-art human correlation on established benchmarks like GenAI-Bench, AURORA-Bench, ImagenHub, and our new EditReward-Bench.

🚀 Quick Start

To use the EditReward model for inference, follow these steps. For more details, including installation and training, please refer to the GitHub Repository.

💻 Installation

git clone https://github.com/TIGER-AI-Lab/EditReward.git
cd EditReward

conda create -n edit_reward python=3.10 -y
conda activate edit_reward
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124
pip install datasets pillow openai -U megfile sentencepiece deepspeed fire omegaconf matplotlib peft trl==0.8.6 tensorboard scipy transformers==4.56.1 accelerate
# Recommend: Install flash-attn
pip install https://github.com/Dao-AILab/flash-attention/releases/download/v2.7.2.post1/flash_attn-2.7.2.post1+cu12torch2.5cxx11abiFALSE-cp310-cp310-linux_x86_64.whl

🚀 Usage

import os
import sys
# Add project root to Python path (optional, for local development)
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
import torch
from EditReward import EditRewardInferencer

# ------------------------------------------------------------------------------
# Example script for evaluating edited images with EditReward
# ------------------------------------------------------------------------------

# Path to model checkpoint (update to your own local or HF path)
CHECKPOINT_PATH = "your/local/path/to/checkpoint"
CONFIG_PATH = "config/EditReward-MiMo-VL-7B-SFT-2508.yaml"

# Initialize reward model
inferencer = EditRewardInferencer(
    config_path=CONFIG_PATH,
    checkpoint_path=CHECKPOINT_PATH,
    device="cuda",        # or "cpu"
    reward_dim="overall_detail",    # choose reward dimension if applicable
    rm_head_type="ranknet_multi_head"
)

# Example input data -----------------------------------------------------------
# image_src = [
#     "../assets/examples/source_img_1.png",
#     "../assets/examples/source_img_1.png",
# ]

# image_paths = [
#     "../assets/examples/target_img_1.png",
#     "../assets/examples/target_img_2.png",
# ]
image_src = [
    "your/local/path/to/source_image_1.jpg",
    "your/local/path/to/source_image_2.jpg",
]

image_paths = [
    "your/local/path/to/edited_image_1.jpg",
    "your/local/path/to/edited_image_2.jpg",
]

# example instruction: "Add a green bowl on the branch"
# prompts = [
#     "Add a green bowl on the branch",
#     "Add a green bowl on the branch"
# ]
prompts = [
    "your first editing instruction",
    "your second editing instruction"
]

# ------------------------------------------------------------------------------
# Main evaluation modes
# ------------------------------------------------------------------------------
if __name__ == "__main__":
    mode = "pairwise_inference"  # or "single_inference"

    if mode == "pairwise_inference":
        # ----------------------------------------------------------
        # Pairwise comparison: compares two edited images side-by-side
        # ----------------------------------------------------------
        with torch.no_grad():
          rewards = inferencer.reward(
              prompts=prompts,
              image_src=image_src,
              image_paths=image_paths
          )
        scores = [reward[0].item() for reward in rewards]
        print(f"[Pairwise Inference] Image scores: {scores}")

    elif mode == "single_inference":
        # ----------------------------------------------------------
        # Single image scoring: evaluates one edited image at a time
        # ----------------------------------------------------------
        with torch.no_grad():
          rewards = inferencer.reward(
              prompts=[prompts[0]],
              image_src=[image_src[0]],
              image_paths=[image_paths[0]]
          )
        print(f"[Single Inference] Image 1 score: {[reward[0].item() for reward in rewards]}")
        
        with torch.no_grad():
          rewards = inferencer.reward(
              prompts=[prompts[0]],
              image_src=[image_src[0]],
              image_paths=[image_paths[1]]
          )
        print(f"[Single Inference] Image 2 score: {[reward[0].item() for reward in rewards]}")

📊 Benchmark

EditReward achieves superior alignment with human preferences in instruction-guided image editing tasks. The following tables show its performance against other models on various benchmarks.

MethodGenAI-BenchAURORA-BenchImagenHubEditReward-Bench (Overall)
Random25.9033.43--13.84
Human-to-Human----41.84--
Proprietary Models
GPT-4o53.5450.8138.2128.31
GPT-559.6147.2740.8537.81
Gemini-2.0-Flash53.3244.3123.6933.47
Gemini-2.5-Flash57.0147.6341.6238.02
Open-Source VLMs
Qwen2.5-VL-3B-Inst42.7630.69-2.5426.86
Qwen2.5-VL-7B-Inst40.4838.6218.5929.75
Qwen2.5-VL-32B-Inst39.2837.0626.8728.72
MiMo-VL-7B-SFT-250857.8930.4322.1431.19
ADIEE59.9655.5634.50--
Reward Models (Ours)
EditReward (on Qwen2.5-VL-7B)63.9759.5036.1836.78
EditReward (on MiMo-VL-7B)65.7263.6235.2038.42

MethodEditReward-Bench (K=2)EditReward-Bench (K=3)EditReward-Bench (K=4)EditReward-Bench (Overall)
Random25.8111.331.3513.84
Human-to-Human--------
Proprietary Models
GPT-4o45.6927.337.3128.31
GPT-557.5338.5112.8437.81
Gemini-2.0-Flash52.4333.3313.5133.47
Gemini-2.5-Flash58.6139.8612.1638.02
Open-Source VLMs
Qwen2.5-VL-3B-Inst51.0720.272.7126.86
Qwen2.5-VL-7B-Inst52.6924.673.3829.75
Qwen2.5-VL-32B-Inst50.5425.274.0528.72
MiMo-VL-7B-SFT-250849.4630.419.4631.19
ADIEE--------
Reward Models (Ours)
EditReward (on Qwen2.5-VL-7B)56.9936.0010.8136.78
EditReward (on MiMo-VL-7B)56.4542.6711.4938.42

📚 Citation

Please kindly cite our paper if you use our code, data, models or results:

@article{wu2025editreward,
  title={EditReward: A Human-Aligned Reward Model for Instruction-Guided Image Editing},
  author={Wu, Keming and Jiang, Sicong and Ku, Max and Nie, Ping and Liu, Minghao and Chen, Wenhu},
  journal={arXiv preprint arXiv:2509.26346},
  year={2025}
}

🙏 Acknowledgements

We would like to thank the HPSv3, VideoAlign and GenAI-Bench codebase for providing valuable references.


⭐ Star History

Star History Chart

💬 Support

For questions and support:

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
4a702b4

0 моделей