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 [Cornell University]
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
marsh发布了新的文献求助10
刚刚
1秒前
2秒前
zwx0201发布了新的文献求助20
2秒前
2秒前
?。?完成签到 ,获得积分10
3秒前
Kao应助常小敏采纳,获得10
4秒前
高高发布了新的文献求助10
4秒前
橘子发布了新的文献求助10
5秒前
深情安青应助独特的忆彤采纳,获得10
5秒前
HYHY发布了新的文献求助10
6秒前
瘦瘦听云发布了新的文献求助10
8秒前
8秒前
倪塔宝贝发布了新的文献求助10
9秒前
香蕉觅云应助现代谷芹采纳,获得10
9秒前
caicai发布了新的文献求助10
10秒前
11秒前
在水一方应助可爱的妙海采纳,获得10
11秒前
聪明钢铁侠应助xxl采纳,获得10
13秒前
13秒前
13秒前
13秒前
15秒前
15秒前
Moonpie完成签到,获得积分0
16秒前
ANNI发布了新的文献求助10
16秒前
璃城完成签到,获得积分10
17秒前
18秒前
Just森发布了新的文献求助10
19秒前
aaaa应助舒适的向南采纳,获得30
19秒前
关神完成签到 ,获得积分10
20秒前
20秒前
上官若男应助追寻的藏今采纳,获得20
20秒前
eify应助火星上的乌龟采纳,获得10
21秒前
张天完成签到,获得积分10
23秒前
温暖的乌龟完成签到 ,获得积分10
23秒前
23秒前
脑洞疼应助似水流年采纳,获得10
23秒前
24秒前
坚强飞扬完成签到,获得积分10
24秒前
高分求助中
Markov Chain Monte Carlo 10000
(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
Common Foundations of American and East Asian Modernisation: From Alexander Hamilton to Junichero Koizumi 1500
Advanced Weaponeering Fourth Edition, Volume 2 1000
悉尼大学博士学位论文,题目:Modelling and testing of one-sided stitched laminated composites. 作者:Kristopher P. Plain 700
Matrix Methods in Data Mining and Pattern Recognition Second Edition 610
Curating Socialism: A Handbook of International Art Exhibitions 1947-1989 550
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 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7510697
求助须知:如何正确求助?哪些是违规求助? 9099181
关于积分的说明 19420407
捐赠科研通 7117628
什么是DOI,文献DOI怎么找? 3252892
关于科研通互助平台的介绍 2421748
邀请新用户注册赠送积分活动 2239227