论文页面 - PixVerve: 借助大规模高质量数据集推进原生超高清图像生成至100MP

来源：https://huggingface.co/papers/2605.20147 作者：

、

、

、

、

、

、

、

、

、

、

、

、

摘要

本文引入了一个大规模超高清图像-文本数据集与评估基准，旨在推进超高清文本到图像生成能力的发展。

近年来，文本到图像（T2I）模型在1K和2K分辨率上取得了显著进展。随着人们对更好视觉体验的极度渴望以及成像技术的快速发展，对Ultra-High-Resolution (https://huggingface.co/papers?q=Ultra-High-Resolution) (UHR) 图像生成的需求大幅增长。然而，由于高分辨率内容的稀缺性和复杂性，超高清图像生成面临着巨大挑战。本文首先介绍了PixVerve-95K (https://huggingface.co/papers?q=PixVerve-95K)，这是一个通过精心设计的数据流水线构建的高质量、开源超高清T2I数据集，包含95K张覆盖多种场景的图像（每张图像的最小像素数为100M）以及七维标注。基于我们的大规模image-text dataset (https://huggingface.co/papers?q=image-text%20dataset)，我们率先将多种T2I基础模型扩展到原生100MP生成，并采用了三种训练方案。最后，结合传统指标与multimodal large language model (https://huggingface.co/papers?q=multimodal%20large%20language%20model) 的评估，我们提出的PixVerve-Bench (https://huggingface.co/papers?q=PixVerve-Bench) 基准为超高清图像建立了一个全面的评估协议，涵盖visual quality (https://huggingface.co/papers?q=visual%20quality) 和semantic alignment (https://huggingface.co/papers?q=semantic%20alignment)。在我们的基准上进行的广泛实验结果以及对训练策略的建设性探索，共同为未来的突破提供了宝贵的见解。

查看 arXiv 页面 (https://arxiv.org/abs/2605.20147) 查看 PDF (https://arxiv.org/pdf/2605.20147) 项目页面 (https://haojunchen663.github.io/projects/PixVerve/) GitHub5 (https://github.com/HaojunChen663/PixVerve-95K) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.20147)

在你的代理中获取此论文：

hf papers read 2605.20147

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

引用本论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.20147 以在此页面链接。

引用本论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.20147 以在此页面链接。

引用本论文的 Spaces0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2605.20147 以在此页面链接。

包含本论文的收藏0

没有收藏包含此论文

请将此论文添加到一个collection (https://huggingface.co/new-collection) 中，以在此页面链接。