苹果开源4亿张Pico-Banana图片数据集，助力AI图像模型训练
苹果公司近期发布了一项重要研究成果——《Pico-Banana-400K：面向文本引导图像编辑的大规模数据集》。该数据集包含40万张经过精心编辑的图像，旨在为文本引导的图像编辑模型提供高质量的训练和评测资源。与以往数据集不同，Pico-Banana-400K采用非商业性研究许可发布，允许全球研究人员和学术机构自由使用，但禁止用于商业用途。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
近年来，图像生成与编辑技术取得了显著进展，但开放研究仍面临诸多挑战。苹果研究团队指出，现有数据集普遍存在三大问题：一是依赖专有模型生成的合成数据，二是仅包含有限的人工筛选子集，三是存在领域偏移、编辑类型分布不均以及质控不一致等问题。这些问题严重制约了高质量图像编辑模型的发展。为突破这一瓶颈，苹果团队决定构建一个更全面、更具代表性的图像编辑数据集。
Pico-Banana-400K的构建过程严谨而系统。研究团队首先从OpenImages数据集中精选了大量真实照片，确保内容涵盖人物、物体及含文字场景等多样化元素。随后，他们设计了35种不同类型的图像修改指令，并将其归入八大类别，包括像素与光度调整（如添加复古滤镜）、以人物为中心的编辑（将人物转换为玩具形象）、场景构成与多主体编辑（改变天气条件）、对象级语义修改（移动物体位置）以及图像缩放（如放大画面）等。
在编辑过程中，研究人员将原始图像与编辑指令输入谷歌的Gemini 2.5-Flash-Image模型（也被称为Nanon-Banano）进行图像编辑。该模型在图像编辑任务中表现优异，被广泛认为是当前最先进的模型之一。生成结果随后交由Gemini 2.5-Pro模型进行自动评估，只有准确遵循指令且具备良好视觉质量的图像才会被纳入最终数据集。这一双重验证机制确保了数据集的高质量。
Pico-Banana-400K不仅包含单轮编辑的样本，还涵盖了多轮连续编辑序列以及“偏好对”样本。后者通过对比成功与失败的编辑结果，帮助模型学习区分理想与不良输出。这种设计使得数据集更具实用性和训练价值。尽管研究团队承认Nanon-Banana在精细空间控制、布局外推和文字排版处理方面仍存在局限，但他们强调，Pico-Banana-400K的目标是为下一代文本引导图像编辑模型提供一个坚实、可复现的基础。
目前，相关研究论文已发布于预印本平台arXiv，完整的Pico-Banana-400K数据集也已在GitHub上向全球研究者免费开放。这一举措有望推动图像编辑领域的研究进展，为开发更智能、更高效的图像编辑工具奠定基础。
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票