论文页面 - GGT-100K：面向泛化真实世界图像恢复的生成式真值

来源：https://huggingface.co/papers/2605.31039

摘要

生成式多模态基础模型被用于创建高质量的训练数据，以进行图像恢复，从而提升模型在多种真实世界场景下的泛化能力。

真实世界图像恢复（IR）受限于高质量配对训练数据的稀缺。合成数据集虽然丰富，但常常无法模拟真实世界的退化；而真实世界的配对数据集则成本高昂且难以采集。因此，在这些数据集上训练的IR模型在真实场景中的泛化能力有限。在这项工作中，我们利用生成式多模态基础模型（MFMs）从真实世界的低质量（LQ）图像中生成高质量（HQ）目标，提出了生成式真值（GGT）。我们首先对九种最先进的MFM进行了系统评估，包括Nano-Banana-2和GPT-Image-2，涵盖了多种场景和退化类型的图像。结果表明，采用基于VLM的自适应提示的Nano-Banana-2在合成感知真实且内容忠实的高质量目标方面能力最强，这些目标可作为低质量输入的GGT。接着，我们使用Nano-Banana-2构建了一个GGT合成流水线，其中包含多阶段质量控制以确保数据可靠性，并构建了GGT-100K，这是一个包含103,707对训练数据、覆盖多种场景和复杂真实世界退化的低质量-高质量配对数据集。同时，还建立了一个包含500对图像的测试集。大量实验表明，GGT-100K能够持续提升多种IR模型的真实世界泛化能力，尤其对微调生成式模型用于IR任务具有显著益处。我们的结果表明，MFM可以作为面向恢复的数据生成的实用工具，而GGT-100K则是一个有助于扩展真实世界IR模型泛化边界的实用资源。

查看 arXiv 页面 (https://arxiv.org/abs/2605.31039) 查看 PDF (https://arxiv.org/pdf/2605.31039) 项目页面 (https://polyu-vclab.github.io/GGT-100K/) GitHub (https://github.com/PolyU-VCLab/GGT-100K) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.31039)

在你的智能体中获取这篇论文：

hf papers read 2605.31039

没有最新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

在模型的README.md中引用arxiv.org/abs/2605.31039以从本页面链接。

引用本论文的数据集 1

VCLab-PolyU/GGT-100K 更新于约2小时前 • 98 (https://huggingface.co/datasets/VCLab-PolyU/GGT-100K)

引用本论文的 Spaces 0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.31039 以从本页面链接。

包含本论文的收藏 0

没有收藏包含此论文

添加此论文到一个收藏 (https://huggingface.co/new-collection) 以从本页面链接。