Beyond Filtering: Adaptive Image-Text Quality Enhancement for MLLM Pretraining

图像增强 计算机科学 图像(数学) 图像质量 人工智能 计算机视觉 质量(理念) 物理 量子力学
作者
Han Huang,Yuqi Huo,Zijia Zhao,Haoyu Lu,Shu Wu,Bingning Wang,Qiang Liu,Weipeng Chen,Li Wang
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2410.16166
摘要

Multimodal large language models (MLLMs) have made significant strides by integrating visual and textual modalities. A critical factor in training MLLMs is the quality of image-text pairs within multimodal pretraining datasets. However, $\textit {de facto}$ filter-based data quality enhancement paradigms often discard a substantial portion of high-quality image data due to inadequate semantic alignment between images and texts, leading to inefficiencies in data utilization and scalability. In this paper, we propose the Adaptive Image-Text Quality Enhancer (AITQE), a model that dynamically assesses and enhances the quality of image-text pairs. AITQE employs a text rewriting mechanism for low-quality pairs and incorporates a negative sample learning strategy to improve evaluative capabilities by integrating deliberately selected low-quality samples during training. Unlike prior approaches that significantly alter text distributions, our method minimally adjusts text to preserve data volume while enhancing quality. Experimental results demonstrate that AITQE surpasses existing methods on various benchmark, effectively leveraging raw data and scaling efficiently with increasing data volumes. We hope our work will inspire future works. The code and model are available at: https://github.com/hanhuang22/AITQE.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Nnn完成签到 ,获得积分10
刚刚
胡兴完成签到,获得积分10
刚刚
1秒前
1秒前
sh131完成签到,获得积分10
1秒前
刘十三完成签到,获得积分10
2秒前
银包铜关注了科研通微信公众号
2秒前
花生四烯酸完成签到,获得积分10
2秒前
3秒前
归海听云发布了新的文献求助10
4秒前
丰富的野狼完成签到 ,获得积分10
4秒前
5秒前
粉面菜蛋完成签到,获得积分10
5秒前
不吃橘子完成签到,获得积分10
5秒前
KJ完成签到,获得积分10
6秒前
suhang2024发布了新的文献求助10
7秒前
7秒前
自觉画笔完成签到 ,获得积分10
8秒前
8秒前
友好凌柏完成签到 ,获得积分10
8秒前
豆芽完成签到,获得积分10
8秒前
Leo完成签到,获得积分10
8秒前
vera完成签到,获得积分10
8秒前
9秒前
火星上的糖豆完成签到,获得积分10
9秒前
Aprial完成签到,获得积分10
9秒前
阿巴阿巴完成签到,获得积分10
9秒前
小事完成签到 ,获得积分10
9秒前
南城雨落完成签到,获得积分10
9秒前
多吃青菜完成签到,获得积分10
9秒前
端庄幻桃完成签到 ,获得积分10
11秒前
情怀应助缪格采纳,获得10
12秒前
乐情完成签到,获得积分10
12秒前
星川完成签到,获得积分20
12秒前
lhnee发布了新的文献求助10
13秒前
13秒前
冷傲奇迹完成签到,获得积分10
13秒前
天天快乐应助成就的寒天采纳,获得10
14秒前
屠夫9441完成签到 ,获得积分10
14秒前
14秒前
高分求助中
【提示信息,请勿应助】关于scihub 10000
A new approach to the extrapolation of accelerated life test data 1000
徐淮辽南地区新元古代叠层石及生物地层 500
Coking simulation aids on-stream time 450
北师大毕业论文 基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 390
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Robot-supported joining of reinforcement textiles with one-sided sewing heads 360
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4015939
求助须知:如何正确求助?哪些是违规求助? 3555887
关于积分的说明 11319237
捐赠科研通 3288997
什么是DOI,文献DOI怎么找? 1812357
邀请新用户注册赠送积分活动 887882
科研通“疑难数据库(出版商)”最低求助积分说明 812044