HQ-Edit 是由加州大学圣克鲁斯分校的研究团队创建的一个高质量、基于指令的图像编辑数据集。这个数据集包含约 20 万个编辑示例，每个示例都有输入图像、输出图像以及详细的编辑说明。数据集的特点包括高分辨率、多样化的编辑指令以及准确对齐的图像和文本。研究人员利用最新的基础模型 GPT-4V 和 DALL-E 3 构建了一个可扩展的数据收集流程，能够自动生成高质量的图像编辑数据。 HQ-Edit 数据集中的高分辨率图像和丰富的细节显著提升了现有的图像编辑模型性能。

Citation

@article{hui2024hq,
title   = {HQ-Edit: A High-Quality Dataset for Instruction-based Image Editing},
author  = {Hui, Mude and Yang, Siwei and Zhao, Bingchen and Shi, Yichun and Wang, Heng and Wang, Peng and Zhou, Yuyin and Xie, Cihang},
journal = {arXiv preprint arXiv:2404.09990},
year    = {2024}
}