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.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
45275357完成签到 ,获得积分10
刚刚
Buduan发布了新的文献求助10
1秒前
4秒前
5秒前
善良的碧灵完成签到,获得积分10
6秒前
123456完成签到,获得积分10
6秒前
shiyi0709完成签到,获得积分10
7秒前
Arya发布了新的文献求助10
8秒前
李嘉图完成签到,获得积分10
8秒前
willa发布了新的文献求助10
8秒前
10秒前
儒雅的豁完成签到,获得积分10
13秒前
在水一方应助arniu2008采纳,获得10
14秒前
王强锋发布了新的文献求助10
15秒前
兰战非完成签到 ,获得积分10
16秒前
夏日汽水完成签到 ,获得积分0
16秒前
enen发布了新的文献求助10
18秒前
Bananana完成签到,获得积分20
18秒前
岁月如歌完成签到 ,获得积分0
19秒前
小海盗完成签到,获得积分10
20秒前
Criminology34应助小木子采纳,获得10
20秒前
栗子芸完成签到,获得积分10
21秒前
影川完成签到,获得积分10
21秒前
lili完成签到 ,获得积分10
21秒前
22秒前
小垃圾完成签到,获得积分10
26秒前
llmm完成签到,获得积分10
27秒前
影川发布了新的文献求助10
27秒前
good发布了新的文献求助30
27秒前
jiangshanshan发布了新的文献求助10
28秒前
木棉完成签到,获得积分10
29秒前
科研黑洞完成签到,获得积分10
30秒前
31秒前
wanci应助arniu2008采纳,获得30
31秒前
笑林完成签到 ,获得积分10
32秒前
毛毛完成签到,获得积分10
37秒前
酷波er应助Diablo采纳,获得10
38秒前
hmkdung完成签到,获得积分10
39秒前
Donnie333完成签到,获得积分10
42秒前
令狐擎宇发布了新的文献求助10
43秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Picture this! Including first nations fiction picture books in school library collections 1000
Signals, Systems, and Signal Processing 610
Unlocking Chemical Thinking: Reimagining Chemistry Teaching and Learning 555
Photodetectors: From Ultraviolet to Infrared 500
Cancer Targets: Novel Therapies and Emerging Research Directions (Part 1) 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6359032
求助须知:如何正确求助?哪些是违规求助? 8173002
关于积分的说明 17212025
捐赠科研通 5414024
什么是DOI,文献DOI怎么找? 2865338
邀请新用户注册赠送积分活动 1842737
关于科研通互助平台的介绍 1690836