Pico-Banana-400k
4 months ago
- #image-editing
- #dataset
- #multimodal
- Pico-Banana-400K是一个包含约40万组文本-图像-编辑三元组的大规模数据集，用于文本引导的图像编辑研究。
- 每个样本包含来自Open Images的原始图像、类人编辑指令，以及经Nano-Banana验证的编辑结果。
- 数据集涵盖8大语义类别下的35种编辑操作，呈现多样化图像变换。
- 特征包括：约25.7万单轮三元组（用于SFT）、5.6万偏好学习样本、7.2万组多轮对话数据。
- 编辑类别包含：对象级、场景构图、以人为中心、风格化、文本与符号、像素与光度、尺度与透视、空间/布局调整。
- 数据集采用两阶段流程构建：通过Gemini-2.5-Flash生成指令，通过Nano-Banana进行编辑与自评估。
- 通过指令合规性、编辑真实度等自动化指标实现质量管控。
- Pico-Banana-400K托管于苹果公共CDN，遵循CC BY-NC-ND 4.0许可（非商用）。
- 源图像采用Open Images（CC BY 2.0）许可，并提供清单文件指导组件下载。
- 文末附引用规范供学术使用。