提升業界AI圖像編輯能力 蘋果Apple Intelligence發布大型訓練資料集

儘管外界持續揣測蘋果（Apple）在AI領域的發展相對落後，但該公司持續發表全面的研究論文。蘋果Apple Intelligence的研究人員近日發表了一份新的研究報告，認為當前的AI圖像編輯器訓練所使用的圖像集不足，因此釋出了一個經過改進的訓練資料集，目的在提升整個行業的AI圖像編輯品質。記者彭夢竺／編譯

儘管外界持續揣測蘋果（Apple）在AI領域的發展相對落後，但該公司持續發表全面的研究論文。蘋果Apple Intelligence的研究人員近日發表了一份新的研究報告，認為當前的AI圖像編輯器訓練所使用的圖像集不足，因此釋出了一個經過改進的訓練資料集，目的在提升整個行業的AI圖像編輯品質。

痛點：現有AI編輯訓練資料庫品質不足

這份名為《Pico-Banana-400K：一個用於文本引導圖像編輯的大型資料集》的研究論文，明確關注如何更好地訓練AI系統，使其能根據文字提示（Text Prompts）來編輯圖像。

儘管蘋果的研究人員認為目前的系統如GPT-4o和Nano-Banana在「文本引導圖像編輯」方面表現出色，但論文指出這些系統存在一個關鍵限制，那就是「研究界的進展仍然受限於缺乏從真實圖像構建的大規模、高品質且可公開存取的資料集。」

蘋果發布40萬張圖像資料集 供非商業使用

為了解決這個問題，蘋果研究人員發布了「Pico-Banana-400K」，這是一個包含約40萬張圖像的綜合性資料集，專門用於「基於指令的圖像編輯」。除了規模龐大之外，其獨特之處在於「對品質和多樣性採取了系統化的方法」。

該資料集的所有圖像都已免費提供給非商業用途使用。這些圖像根據「35種編輯分類法」（例如移動圖像中的物件、添加藝術效果或縮放）進行組織。

研究人員將資料集中的每張圖像上傳至Nano-Banana，並輸入了相關的文字提示。隨後，他們利用Gemini-2.5-Pro對生成的圖像進行分析，並決定接受或拒絕。

最終的Pico-Banana-400K資料集不僅包括透過「單輪編輯」（單一提示）和「多輪編輯序列」（多次迭代提示）生成的圖像，還包括成功結果和失敗結果的偏好對（preference pairs），這樣模型也能學習到「不理想的結果是什麼樣子」。

蘋果研究人員表示，發布這個大型圖像資料集，為訓練AI圖像編輯器「建立了一個穩固的基礎」，有助於業界共同發展。

蘋果最近一次在今年6月改進了其內建的Image Playground功能，當時增加了更多由ChatGPT驅動的圖像風格。

資料來源：Apple Insider

這篇文章 提升業界AI圖像編輯能力 蘋果Apple Intelligence發布大型訓練資料集 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。