浙大&腾讯打破图像编辑「规模-质量」魔咒：1000万数据+统一验证框架，让开源模型追上闭源SOTA|CVPR2026

背景：当前开源图像编辑模型在性能上显著落后于闭源模型，主要瓶颈在于缺乏大规模高质量的训练数据和全面的模型能力评估体系。研究目的：为打破这一“规模-质量”壁垒，浙江大学与腾讯联合构建了大规模高质量图像编辑数据集UnicEdit-10M和综合评估基准UnicBench，并开发了后校验专家模型Qwen-Verify。结论：该工作通过自动化流水线生产了约1000万覆盖22种任务的高质量数据，并引入了细粒度评估指标。实验表明，该框架有效提升了开源模型的性能，缩小了与闭源SOTA的差距，同时揭示了现有模型在复杂推理编辑任务上的普遍不足，为未来研究指明了方向。