LocateEdit-Bench：面向指令式编辑定位的基准

近期图像编辑技术进展使可控且语义感知的内容变换成为可能，给图像篡改定位带来了前所未有的挑战。然而，现有 AI 生成的伪造定位方法主要聚焦于填充类操作，对最新指令驱动编辑范式效果不佳。为弥合这一关键缺口，我们提出 LocateEdit-Bench，一个包含 $231$K 张编辑后图像的大规模数据集，专为评估指令驱动图像编辑的定位方法而设计。数据集整合了四个前沿编辑模型，覆盖三种常见编辑类型。我们对数据集进行详细分析，构建两个多指标评估协议以评估现有定位方法。本工作为跟上图像编辑不断演变的进程奠定了基础，促进开发有效的方法以应对未来伪造定位需求。数据集将在接受后开源。