Emu Edit es un modelo de edición de imágenes multitarea que realiza ediciones de imágenes precisas mediante la identificación y generación de tareas, logrando avances tecnológicos de vanguardia en este campo. La arquitectura de Emu Edit está optimizada para el aprendizaje multitarea y se ha entrenado en numerosas tareas, incluyendo edición basada en regiones, edición de forma libre, y tareas de visión por computador como detección y segmentación. Además, para procesar estas múltiples tareas de forma más eficiente, hemos introducido el concepto de incrustaciones de tareas aprendidas, que guían el proceso de generación para ejecutar correctamente las instrucciones de edición. Tanto el entrenamiento multitarea como el uso de incrustaciones de tareas aprendidas mejoran significativamente la capacidad del modelo para ejecutar instrucciones de edición con precisión. Emu Edit también admite una adaptación rápida a tareas no vistas, mediante aprendizaje de pocos ejemplos con inversión de tareas. En este proceso, mantenemos los pesos del modelo sin cambios y solo actualizamos las incrustaciones de tareas para adaptarnos a la nueva tarea. Nuestros experimentos demuestran que Emu Edit puede adaptarse rápidamente a nuevas tareas, como superresolución y detección de contornos. Esto hace que la inversión de tareas con Emu Edit sea particularmente ventajosa cuando las muestras etiquetadas o el presupuesto computacional son limitados. Para respaldar una evaluación rigurosa y fundamentada de los modelos de edición de imágenes basados en instrucciones, hemos recopilado y publicado públicamente un nuevo conjunto de datos de referencia que incluye siete tareas diferentes de edición de imágenes: modificación de fondo (background), cambios de imagen globales (global), modificación de estilo (style), eliminación de objetos (remove), adición de objetos (add), modificaciones locales (local) y modificación de color/textura (texture). Además, para una comparación adecuada con Emu Edit, también compartimos los resultados generados por Emu Edit en el conjunto de datos. Emu Edit 2023 Meta. Todos los derechos reservados.