论文
PixVerve：利用大规模高质量数据集将原生 UHR 图像生成提升至 100MP
PixVerve: Advancing Native UHR Image Generation to 100MP with a Large-Scale High-Quality Dataset
摘要
文本到图像 (T2I) 模型最近在 1K 和 2K 分辨率方面取得了显着进展。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，对超高分辨率（UHR）图像生成的需求显着增长。然而，由于高分辨率内容的稀缺性和复杂性，UHR图像的生成提出了巨大的挑战。在本文中，我们首先介绍 PixVerve-95K，这是一个采用精心设计的数据管道策划的高质量开源 UHR T2I 数据集，其中包含跨不同场景的 95K 图像（每张图像的像素数至少为 100M）和七维注释。基于我们的大规模图像文本数据集，我们迈出了开创性的一步，通过三种训练方案将各种 T2I 基础模型扩展到本机 100MP 生成。最后，利用传统指标和基于 大语言模型 的多模态评估，我们提出的 PixVerve-Bench 基准为 UHR 图像建立了一个全面的评估协议，包括视觉质量和语义对齐。我们的基准的广泛实验结果和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。