研究人员开发了一种名为生成式地面真实（GGT）的新方法，用于创建高质量的图像恢复任务训练数据。该方法利用生成式多模态基础模型，特别是Nano-Banana-2，从低质量输入合成逼真的目标图像。由此产生的数据集GGT-100K包含超过100,000对图像，并已证明能显著提高各种图像恢复模型在真实世界泛化能力方面的表现。 AI
影响 通过提供一个大型、高质量的合成数据集，增强了图像恢复模型在真实世界中的泛化能力。
排序理由 该集群包含一篇详细介绍图像恢复新数据集和方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Generative multimodal foundation models are used to create high-quality training data for image restoration, improving model generalization across diverse real-world scenarios.
arXiv:2605.31039v1 Announce Type: new Abstract: Real-world image restoration (IR) is bottlenecked by the scarcity of high-quality paired training data. Synthetic datasets are abundant but often fail to model real-world degradations, while real-world paired datasets are expensive …