https://www.php.cn/link/df2782c019d0d66a88af774011e8ab29
苹果公司近日推出了名为Pico-Banana-400K的大规模图像数据集，包含40万张精心筛选的图片。该数据集基于Google Gemini-2.5系列模型构建，相关论文《Pico-Banana-400K：面向文本引导图像编辑的大规模数据集》也已同步发布。
该数据集以OpenImages中的真实图像为原始素材，涵盖35种不同类型的编辑任务，归为8个主要类别。编辑图像由Gemini-2.5-Flash-Image（又称Nano-Banana）生成，随后通过Gemini-2.5-Pro对指令遵循能力与视觉质量进行评估和筛选。数据集中包含单步编辑、多轮编辑流程以及成功与失败结果的对比样本。
Pico-Banana-400K采用非商业性研究许可，仅供学术及人工智能研究使用，禁止用于商业用途。尽管苹果承认Nano-Banana在技术上存在一定局限，但仍希望该数据集能成为推动下一代图像编辑模型发展的重要资源，为训练和基准测试提供支持。论文已发布于arXiv，数据集亦可在GitHub上免费获取。
