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。

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。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 412
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队OSU-NLP-Group
所属国家
官网地址https://osu-nlp-group.github.io/MagicBrush
GitHubhttps://github.com/OSU-NLP-Group/MagicBrush
定价模式free
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
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
30天Star增速
HF 下载量
上线时间2023-06-06 00:00:00
最近更新2026-09-16 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 人工标注保证数据质量，指令与编辑结果高度对齐
  • 覆盖多类型编辑操作，支持多轮对话式编辑场景
  • 提供评估协议和基线，便于公平对比研究

不足之处

  • 数据集规模相对较小，可能限制大规模训练
  • 文档和社区支持待观察

适用场景

  • 训练指令引导的图像编辑模型
  • 评估文本到图像编辑算法性能
  • 研究多轮交互式图像编辑

替代项目

InstructPix2Pix、EditBench、TEdBench

项目介绍

MagicBrush 是数据集领域的开源项目，由 OSU-NLP-Group 开发，2023 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 412。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。开源数据集，提供在线演示页面，完全免费使用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：训练指令引导的图像编辑模型。同类可对比的替代方案包括 InstructPix2Pix、EditBench、TEdBench。

上一篇：awesome-chatgpt-dataset

下一篇：Recommendations-Diffusion-Text-Image

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09