Step1X-Edit开源了，仅需45GB就可以获得GPT4o的编辑效果

我们发布了最先进的图像编辑模型 Step1X-Edit，其性能可与 GPT-4o 和 Gemini2 Flash 等闭源模型相媲美。更具体地说，我们采用了多模态 LLM 来处理参考图像和用户的编辑指令。我们提取了潜在嵌入，并将其与扩散图像解码器相结合，从而获得目标图像。为了训练模型，我们建立了一个数据生成管道，以生成高质量的数据集。为了进行评估，我们开发了 GEdit-Bench，这是一种植根于真实世界用户指令的新型基准。在 GEdit-Bench 上的实验结果表明，Step1X-Edit 的性能大大优于现有的开源基线，并接近领先的专有模型，从而为图像编辑领域做出了重大贡献。

模型用法

要求

下表列出了运行 Step1X-Edit 模型（批量大小 = 1，不含 cfg 蒸馏）编辑图像的要求：

Model	height/width	Peak GPU Memory	28 steps w flash-attn
Step1X-Edit	512x512	42.5 GB	5 s
Step1X-Edit	768x768	46.5 GB	11 s
Step1X-Edit	1024x1024	49.8 GB	22 s

• 该模型在一个 H800 GPU 上进行测试。
• 测试操作系统：
  *我们建议使用具有 80GB 内存的 GPU，以获得更好的生成质量。

资源

代码：https://github.com/stepfun-ai/Step1X-Edit

模型：https://huggingface.co/stepfun-ai/Step1X-Edit