WeEdit
Aussi appelé : WeEdit benchmark · WeEdit-Bench
Mis à jour le
En bref
WeEdit est un banc d'essai qui mesure si un modèle sait modifier le texte présent dans une image, en notant le respect de la consigne, la lisibilité des caractères et la préservation de l'arrière-plan.
📖 Définition
La difficulté est réelle. Les modèles de génération d'images produisent volontiers des caractères tordus, approximatifs ou carrément inventés, et l'ennui s'aggrave dès qu'on sort de l'alphabet latin. WeEdit pousse justement dans cette direction, avec deux jeux de 2 000 cas : l'un bilingue, en chinois et en anglais, l'autre couvrant quinze langues.
Huit gestes sont évalués : ajouter du texte, en remplacer, en supprimer, le réorganiser, le traduire, en changer le style, combiner plusieurs de ces gestes, et une catégorie de raisonnement où il faut comprendre le contexte pour savoir quoi écrire.
💬 En termes simples
Un restaurateur qui repeint une lettre effacée sur une vieille enseigne, sans laisser de trace sur le bois autour.
🎯 Exemple concret
Une épreuve peut demander de traduire en chinois le texte anglais d'une capture d'écran : le juge note alors séparément la fidélité à la consigne, la netteté des caractères et l'état de l'arrière-plan.
💡 Le saviez-vous ?
Écrire du texte lisible dans une image reste l'une des faiblesses connues des modèles de génération : ils inventent des caractères. C'est exactement ce que mesure l'axe TC.
❓ Questions fréquentes
Que veulent dire les sigles IA, TC et BP dans les tableaux de résultats ?
Qui attribue les notes ?
Pourquoi un banc d'essai réservé au texte dans les images ?
📚 Sources
- WeEdit: A Dataset, Benchmark and Glyph-Guided Framework for Text-centric Image Editing (arXiv 2603.11593) (Hui Zhang, Juntao Liu, Zongkai Liu et collaborateurs, 2026)
- Jeu de données officiel du banc d'essai (Hugging Face) (Hui Zhang, 2026)
- Dépôt officiel du projet (Hui Zhang, 2026)