Qwen-Image-Edit 首发评测：七项能力硬刚 Kontext

作者：@天选嘉鲤敦赵图图

Qwen-Image-Edit 首发评测：七项能力硬刚 Kontext

【作者】天选嘉鲤敦赵图图
【原视频】https://www.bilibili.com/video/BV1KTeEzcEFv
【简介】Qwen-Image-Edit 能力梳理与 Kontext 对比实测。

【口播要点】
各位朋友们大家好
8月19日凌晨3点
同意千万团队发布了最新的千万iMageEdit图像编辑模型
由于之前的12.2千万iMage的模型都保持了非常高的水准
甚至可以和币缘模型一较高下
所以这次的千万iMageEdit图像编辑模型就被给予了后望
那么实际上这个模型的水准到底怎么样呢
让我们一起来测试一下吧
官方的说法是这样的
千万iMageEdit的主要对信包括
1.语异与外观的双重编辑
千万iMageEdit不仅支持low-level的视觉外观编辑
如元素的添加 删除 修改等
要求图片其他区域完全不变
也支持high-level的视觉语异编辑
如IP创作 物体旋转 风格迁移等
允许整体相处变化 但保持一意一致
2.精准的文字编辑
千万iMageEdit支持中英文双语文字编辑
可以在保留原有字体 丝号 风格的前提下
直接对图片中的文字进行增 删 改等操作
那么我们为了严谨起见
和同样作为编辑领域的扛罢子
同样开源的contact进行实测对比
本次测试都是直接在官方的平台上进行图片编辑
提示词方面 对于千万的编辑模型
我们采用中文的提示词方式
参考官方的最佳实践进行设置
而对于contact
我们采取英文的提示词方式
直接对千万的中文提示词进行翻译后使用
本次测试 我们将从动漫IP编辑
视觉转化 光照背景变化 风格迁移
新增销售重汇 服装修改 文字编辑等气色方面进行测试
IP编辑
可以看到在本轮测试下
contact的效果和千万的效果是不相剩下的
比如在第一张图中
contact正确的实现了服装提换
而千万是在第二张图中正确的实现了服装提换
做换的这张图contact的表现力其实是更好的
千万动漫图片的细节表现力不如contact
从这个人物改动做的图片中可以看到
部分元素比如白色腿腕 千万的细节更好
整体上两个模型的人物一致性的表现力都还不错
课施一下视觉转换效果
千万的效果是优于contact的
比如室内设计的正面试图
似水箱的正面视角
小动物切换视角等等
但是千万的整体稳定性似乎较差
拉垮的时候是真的非常拉垮
比如改变人物的头发颜色等
建筑物切换视角等
会改变整个图片的细节和风格
导致图片完全不可以用
先是光照背景变化测试
这一轮测试里contact的优势就明显了很多
主要提现在画面保持能力要强非常多
比如季节的修改
以及从夜晚到白天
以及动漫图等
可以看到contact对于画面整体的把控
主体的保持能力都更好一些
可能每一千万的有优势的地方
就是遵循提示词的能力更好
比如这张图
能够明显的看出来
千万实现了雾云密布的效果
但是主体以及其他内容都受到了影响
就非常的遗憾
我预计到后面的测试还会发生类似的问题
后面是风格的迁移
从结果可以看出contact依然胜出
无论是对风格的掌控
还是细节的保持都更加的优秀
比如这张图片的鞋子就非常的明显
以及这张图人物的一致性保持的非常好
这两张图都是比较明显的
服装修改测试
从测试结果可以看出来
contact依然一致于千万
比如小兔子穿衣服这张图片
感觉非常的明显
现实人物换装等等
可以说是大幅优于千万的效果的
除了动漫IP的效果区别不大以外
其他图片的效果都是比较大的
下面我们进行文字修改环节的测试
这个环节也是千万模型主要宣传的标志性能力
我们可以看到客观上来说
差距并不是非常的明显
英文修改能力来看
两个模型也是不相上下的
中文修改能力都有在提高
其中千万模型能进行替换和修改
但是不是能够很好的进行
识别替换目标
而concept能较好的识别替换目标
但是无法能够进行有效的替换和修改
最终效果都差强人意
先增消除纯粹能力测试
可以看到对于室内设计来说
效果都还不错
都能够较好的识别
并且进行刪除替换
但是在海报编辑
特别是在人物处理等任务上
concept模型处理的效果
可以就说是远于千万
好的
下面我们来进行一个简要的总结
综合本次与concept的实测对比
千万MH模型展现出了一下的特点
1.功能覆盖全面
双向编辑能力兼具
模型完整覆盖了
官方宣传的语异
外观方从编辑能力
既能够进行元素添加刪除Low Level
编辑也能够完成IP创作
风格迁移等高level的语异编辑
在测试的七大类别中均有响应
为表现出功能缺失的情况
2.部分场景表现亮眼
细节把控有惊喜
在原创IP编辑中
对特定元素如白色腿袜的还原度较高
视觉转换测试里
针对室内设计正面试图
赤水浆 正面 视角等场景
语异理解和生成效果优于contact
光照背景变化测试中
遵循提示词的能力突出
如精准实现乌云秘乎效果
展现出局部任务的优势
但稳定性不足 效果波动明显
模型在复杂任务中的表现一致性较差
同一类别的不同场景可能出现两极风化
例如视觉转换时
既能产出优质的正面试图
也会在人物头发 颜色修改
建筑物视角切换等任务中出现
风口错乱 细节式针的问题
导致部分结果完全不可以用
文字编辑能力符合预期但仍有端版
作为官方重点宣传的特性
其文字编辑在中英文双语支持上
基本达标能完成文字的替换
与修改操作
但存在识别替换目标不准确的问题
中文修改能力尤其需要提升
整体效果与contact相比
未拉开差距均处于差强人意的水平
五 整体竞争力仍需提高
部分领域差距显著
与contact相比
模型在光照背景保持
风格迁移 服装修改
除动漫IP外
海报编辑 及人物处理等
任务中存在明显的差距
画面整体把控力
与主体保持能力较弱
尤其在真实场景和复杂元素的编辑中
效果落后较多
总体而言
千万MHEDIT作为一款
开源图像编辑模型
展现出了一定的潜力和特色功能
但在稳定性细节处理
和复杂场景适应性上
仍需优化
若能够针对性的提升短板
有望尽一步缩小于同类顶尖模型的差距
本期的内容就到这里
希望我的视频能够给大家带来一定的帮助
也希望大家能够后续继续关注我的账号
我会不定期的发布一些新的作品

【备注】测评向。