沙丘社区
论文

VINS-120K：使用大规模数据集进行超高分辨率图像编辑

VINS-120K: Ultra High-Resolution Image Editing with A Large-Scale Dataset

Zhizhou Chen; Shanyan Guan; Zhanxin Gao; En Ci; Yanhao Ge; Wei Li; Zhenyu Zhang; Jian Yang; Ying Tai
模型评测基准与评测资源

摘要

直接编辑超高分辨率 (UHR) 图像很有价值，但尚未得到充分探索，这主要是由于缺乏高质量数据以及高频纹理细节建模的挑战。我们推出了 VINS-120K，这是第一个用于基于指令的 UHR 图像编辑的大型数据集，包含 120K 精心策划的指令、输入图像和编辑图像的三元组。每张图像都超过 4K 分辨率（$\geq$4096 $\times$ 4096），并通过严格的多级管道进行过滤，以确保视觉质量、指令对齐和美学保真度。在 VINS-120K 的基础上，我们进一步开发了一种高频感知后适应策略，将预训练的非高分辨率模型扩展到 UHR 体系。我们还推出了 VINS-4KEval，这是一个涵盖多种编辑类型的基准，以促进 UHR 设置中的一致评估。实验证实，我们的工作提高了 UHR 图像编辑中的细粒度细节合成和纹理真实感。