上海人工智能实验室 发布 Echo-4o-Image 数据集, 应用在 计算机视觉、机器学习 领域

上海人工智能实验室 本次发布的数据集 Echo-4o-Image, Echo-4o-Image 是一个由 GPT-4o 生成的合成图像数据集，包含约 18 万个样本，涵盖超现实幻想场景、多参考图像生成和复杂指令执行三种任务类型。该数据集旨在解决真实世界图像数据集中存在的不足，如罕见场景和指令对齐问题。通过使用该数据集微调 Bagel 模型，研究人员开发出了新的统一生成模型 Echo-4o，在多个基准测试中表现出色。此外，Echo-4o-Image 还可提升其他基础模型（如 OmniGen2 和 BLIP3-o）的性能，展现了其良好的泛化能力和可迁移性。

查看Echo-4o-Image

Dataset card 内容： 

Files and versions 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。