知识卡片：CPI-Bench：面向真实世界图像编辑的综合、实用与智能基准

一句话结论

CPI-Bench 是一个专门为真实世界图像编辑设计的新基准，覆盖多图编辑、高频真实用户场景和强推理型编辑，并且其模型排名与 Arena Image Edit Leaderboard 的人类偏好高度对齐。

事件概述或研究问题

现有图像编辑基准大多局限于简单单图任务，覆盖面有限，难以有效区分不同模型的性能，尤其无法可靠评估复杂多图编辑、高推理要求指令以及实际部署场景下的模型表现。为解决这一问题，研究者提出 CPI-Bench。

方法/产品要点

• CPI-Bench 包含三个核心子集：
  • CPI-General-Bench：全面覆盖多种编辑任务，并率先纳入多图编辑评测；
  • CPI-Practical-Bench：聚焦高频真实用户应用场景；
  • CPI-Intelligent-Bench：专门评测高推理要求（reasoning-based）的编辑能力。
• 基准设计目标包括：综合覆盖、贴近实际部署、以及对主流模型具有较强的性能区分度。
• 通过排名分析，CPI-Bench 与 Arena Image Edit Leaderboard 的排序一致性最高，表明其能较好反映人类评估者的偏好和感知判断。

主要结果或产业意义

• 基于 CPI-Bench 对主流图像编辑模型的评测显示，该基准增强了模型之间的性能区分度。
• 它能够量化模型在通用编辑能力、实际部署效果和高级推理编辑方面的差距。
• 摘要未提供具体量化分数或模型排名明细，具体评测数字待核实。

为什么重要

• 这是少数强调“真实世界可用性”的图像编辑基准之一，把评测从单图任务扩展到多图、高推理需求和真实用户高频场景。
• 与 Arena Image Edit Leaderboard 的高度对齐意味着它可以作为真实用户体验的替代性代理，有助于社区更快迭代和筛选模型。
• 与已有相关卡片中的 Edit2TikZ 相比，本条不是面向 TikZ 科学图表编辑的专项基准，而是面向通用真实世界图像编辑的综合性基准，增量信息在于其覆盖多图编辑与人类偏好对齐验证。

局限与不确定性

• 摘要未说明数据集规模、任务数量、具体评测指标及标注流程，相关内容待核实。
• 未披露参与评测的主流模型清单及其具体排名结果。
• 未说明与既有单图基准（如 TIFA、EditBench 等）的量化对比细节。
• “最高对齐”的具体计算方法、统计显著性和对照基准列表待核实。

可用于图书/PPT/简报的角度

• 图像编辑模型评测的演进：从单图简单指令到多图、真实场景和推理型编辑。
• 为什么“与人类偏好对齐”是衡量基准价值的重要指标。
• 真实世界图像编辑部署中的关键能力拆解：通用性、实用性、智能性。
• 从 CPI-Bench 看图像编辑模型未来的优化方向：多图一致性、复杂指令理解、实际用户场景覆盖。

原始材料

• 英文标题：CPI-Bench: A Comprehensive, Practical and Intelligent Benchmark for Real-World Image Editing
• 英文关键词：CPI-Bench; Real-World Image Editing; Benchmark; Multi-Image Editing; Reasoning-Based Editing; Human Alignment
• arXiv ID：2608.14546v1
• 作者：Qinye Zhou, Jun Zheng, Yongchao Du, Yuan Wang, Zhengrui Chen, Zuan Gao, Taihang Hu, Chao Lin, Yefeng Shen, Xingjian Wang, Zhao Wang, Zhengtao Wu, Xiaoli Xu, Zhengze Xu, Hao Yan, Denghui Yang, Yuhang Yu, Huayu Zhang, Mingzhou Zhang, Mengting Chen
• 发布/更新日期：2026-08-14T17:59:01Z
• 分类：cs.CV
• URL：https://arxiv.org/abs/2608.14546v1