搜索
Apple发布Pico-Banana-400K数据集 助力文本引导图像编辑研究
2025-10-29
近日，苹果公司发布了名为Pico-Banana-400K的大规模数据集，包含40万张精选图像，旨在推动文本引导的图像编辑技术发展。该数据集依托Google Gemini-2.5系列模型构建，分为单轮监督微调（SFT）子集、多轮编辑集和偏好集三个部分。其中，单轮SFT子集包含25.8万个成功的单轮图像编辑示例，覆盖35种编辑分类法；多轮编辑集包含7.2万个多轮编辑序列，用于研究连续修改中的顺序编辑、推理与规划；偏好集包含5.6万个示例，由原始图像、指令、成功编辑和失败编辑组成的三元组，专为对齐研究设计。苹果还构建了一个自动化编辑与评估流程，Nano-Banana模型负责编辑，Gemini-2.5-Pro模型负责评判结果，失败案例会自动重试，直至通过，全程无需人工干预。相关研究论文《Pico-Banana-400K：面向文本引导图像编辑的大规模数据集》已同步公开。
