Emu Edit é um modelo de edição de imagem multitarefa que realiza edições de imagem precisas por meio da identificação e geração de tarefas, representando um avanço tecnológico nesse campo. A arquitetura do Emu Edit foi otimizada para aprendizado multitarefa e treinado em diversas tarefas, incluindo edição baseada em região, edição de forma livre, e tarefas de visão computacional como detecção e segmentação. Além disso, para processar essas múltiplas tarefas de forma mais eficiente, introduzimos o conceito de incorporação de tarefas aprendidas, que orienta o processo de geração para executar corretamente as instruções de edição. Tanto o treinamento multitarefa quanto o uso de incorporações de tarefas aprendidas melhoram significativamente a capacidade do modelo de executar instruções de edição com precisão. Emu Edit também suporta adaptação rápida a tarefas não vistas, utilizando aprendizado de poucos exemplos por meio da inversão de tarefas. Nesse processo, mantemos os pesos do modelo inalterados, atualizando apenas as incorporações de tarefas para se adaptar às novas tarefas. Nossos experimentos demonstram que o Emu Edit consegue se adaptar rapidamente a novas tarefas, como super-resolução e detecção de contornos. Isso torna o uso da inversão de tarefas com o Emu Edit particularmente vantajoso em situações com amostras limitadas ou orçamento computacional restrito. Para permitir uma avaliação rigorosa e fundamentada de modelos de edição de imagem baseados em instruções, também coletamos e disponibilizamos publicamente um novo conjunto de dados de benchmark, contendo sete tarefas diferentes de edição de imagem: modificação de fundo (background), mudanças globais na imagem (global), modificação de estilo (style), remoção de objetos (remove), adição de objetos (add), modificação local (local) e modificação de cor/textura (texture). Além disso, para garantir uma comparação justa com o Emu Edit, também compartilhamos os resultados gerados pelo Emu Edit neste conjunto de dados. Emu Edit 2023 Meta. Todos os direitos reservados.