MagicBrush

手工标注的指令图像编辑数据集，让模型更懂你的修改指令。

开源 🏷️完全免费 ✅ 目前可打开图像生成 🍴 复刻 16 👀 关注 6

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 412

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源数据集，提供在线演示页面，完全免费使用。

项目预览

项目数据

分类图像生成

开发团队OSU-NLP-Group

官网地址https://osu-nlp-group.github.io/MagicBrush

GitHubhttps://github.com/OSU-NLP-Group/MagicBrush

定价模式🏷️完全免费

价格说明开源数据集，提供在线演示页面，完全免费使用。

访问状态✅ 目前可打开

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型diffusion-models,image-editing,image-generation,image-synthesis,instruction-following,text-to-image,text-to-image-generation,text-to-image-synthesis

GitHub 星标★ 412

上线时间2023-06-06 00:00:00

代码更新2026-10-17

仓库体积114.2 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数5

项目介绍

MagicBrush 是 NeurIPS 2023 收录的一个用于指令引导图像编辑的手工标注数据集。它解决了现有图像编辑数据集依赖自动生成、指令与编辑结果不匹配的问题，提供了约 10 万张真实场景图片，每张图片配有自然语言编辑指令和对应的目标编辑结果。该数据集覆盖多种编辑类型（如替换、添加、删除、颜色/纹理修改等），支持训练和评估基于扩散模型的指令编辑系统。核心能力包括：提供高质量人工标注数据、支持多轮编辑场景、提供标准评估协议。项目附带代码和基线模型，便于研究者复现和对比，推动文本到图像编辑领域的发展。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 412

技术标签

diffusion-models image-editing image-generation image-synthesis instruction-following

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 55 分钟部署方式：本地GPU 5 步

环境要求

NVIDIA GPU（显存 16GB 起）
CUDA

安装与启动步骤

1拉依赖仓库

它的基线实现来自另一个仓库，两个都要。
```
git clone https://github.com/timothybrooks/instruct-pix2pix.git
```
2拉本仓库取数据与模型

数据集与权重单独分发。
3装环境

按说明装，注意扩散框架版本。
4跑一次指令编辑

给图与一句指令，看改动是否只作用于语义相关区域。
5用评测集算指标

它有配套评测，别只看单张效果。