论文页面 - 从语料到协同进化能力：面向通用图像生成的能力中心化数据设计

来源：https://huggingface.co/papers/2608.18076 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

一个具备课程调度与专用数据引擎的能力驱动数据基础设施，通过策展的异构监督数据，训练大型多模态扩散模型以执行多样化的生成任务。

大规模图像生成已受益于数据规模、质量、重平衡和重描述方面的进步，但传统流程通常孤立优化特定任务的数据集。核心挑战不仅在于如何为每个任务策划语料库，更在于如何根据生成能力间的依赖关系来组织异构监督。我们提出一种能力驱动的数据基础设施，它将特定能力的监督构建与能力对齐的课程调度相结合。其三个专用但可互操作的数据引擎为文本-图像对齐、图像间转换和图像-知识关联构建互补的关联监督，同时描述专家跨任务和粒度对齐T2I和编辑监督。一个多阶段课程根据能力获取的依赖顺序，协同进化任务组合、视觉概念分布、数据质量和图像分辨率，并通过能力感知评估实现针对性检索、专家构建和差距感知重采样来形成闭环。该框架规模化地策划了一个包含4.4亿张图像的T2I语料库、1.2亿个编辑对以及超过2700万个图像-实体对。基于此基础设施，我们从头训练了两种规模（30亿和60亿参数）的多模态扩散模型。我们在CPI-Bench上进行了定量评估，并在多种文本到图像和编辑场景中进行了定性评估。实验结果展示了广泛的视觉覆盖、多功能的渲染能力以及跨生成能力的有效迁移。

查看arXiv页面 (https://arxiv.org/abs/2608.18076) 查看PDF (https://arxiv.org/pdf/2608.18076) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.18076)

在您的代理中获取此论文：

hf papers read 2608\.18076

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2608.18076以从本页链接它。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2608.18076以从本页链接它。

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2608.18076以从本页链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接它。