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
xxxx发布了新的文献求助10
刚刚
刚刚
研友_VZG7GZ应助优雅的佳佳采纳,获得10
1秒前
1秒前
可爱的函函应助老鱼吹浪采纳,获得10
1秒前
1秒前
2秒前
我是老大应助冷酷的树叶采纳,获得10
2秒前
世外仙姝发布了新的文献求助10
2秒前
2秒前
2秒前
小奶完成签到,获得积分10
2秒前
2秒前
3秒前
lay完成签到,获得积分10
4秒前
朴实航空发布了新的文献求助100
4秒前
Yuan发布了新的文献求助10
4秒前
自觉的元芹完成签到,获得积分10
4秒前
4秒前
赘婿应助向敏采纳,获得10
5秒前
5秒前
5秒前
桐桐应助HZY采纳,获得10
5秒前
852应助李审绥采纳,获得10
5秒前
Rain发布了新的文献求助10
6秒前
七听发布了新的文献求助20
6秒前
6秒前
sun发布了新的文献求助10
7秒前
顺利舟完成签到,获得积分10
7秒前
Hello应助明理毛衣采纳,获得10
7秒前
慕青应助书羽采纳,获得10
7秒前
7秒前
妞妞发布了新的文献求助30
8秒前
8秒前
linman发布了新的文献求助10
8秒前
李嘉诚完成签到 ,获得积分10
8秒前
等待的博完成签到,获得积分10
9秒前
9秒前
wanci应助咖喱采纳,获得10
9秒前
ting发布了新的文献求助10
9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
The Multiple Self-States Drawing Technique 600
Organizational Behavior 510
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
Rosenblum, Global Change Biology 500
CLSI VET01S-2024 Performance Standards for Antimicrobial Disk and Dilution Susceptibility Tests for Bacteria Isolated From Animals (7th Ed) 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 化学工程 工程类 有机化学 物理 复合材料 生物化学 内科学 细胞生物学 基因 遗传学 免疫学 冶金 光电子学 癌症研究
热门帖子
关注 科研通微信公众号,转发送积分 7768753
求助须知:如何正确求助?哪些是违规求助? 9311946
关于积分的说明 20326464
捐赠科研通 7353879
什么是DOI,文献DOI怎么找? 3315828
关于科研通互助平台的介绍 2464872
邀请新用户注册赠送积分活动 2330405