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
1秒前
共享精神应助微笑的尔珍采纳,获得10
1秒前
Vicki完成签到,获得积分10
1秒前
斑马发布了新的文献求助10
1秒前
JamesPei应助科研小白采纳,获得10
1秒前
Skywings完成签到,获得积分10
2秒前
思源应助机智的傲易采纳,获得10
2秒前
Shengyuu完成签到,获得积分10
3秒前
开放磬发布了新的文献求助10
4秒前
Anrannn完成签到,获得积分10
4秒前
4秒前
Jolene66发布了新的文献求助10
4秒前
烟花应助沙糖桔采纳,获得10
5秒前
5秒前
xe完成签到,获得积分10
5秒前
6秒前
6秒前
Bihhh发布了新的文献求助10
7秒前
ZeSheng完成签到,获得积分10
8秒前
爆米花应助彭于晏女友采纳,获得10
8秒前
Xiaoduoyu发布了新的文献求助10
8秒前
科研小白发布了新的文献求助10
9秒前
10秒前
10秒前
爆米花应助忧郁问寒采纳,获得30
10秒前
1234发布了新的文献求助10
11秒前
大个应助阿峰采纳,获得10
11秒前
包容雨柏发布了新的文献求助10
11秒前
11秒前
11秒前
认真de于发布了新的文献求助30
11秒前
12秒前
壮观问寒发布了新的文献求助10
12秒前
13秒前
科研小白完成签到,获得积分10
13秒前
Kanas发布了新的文献求助10
13秒前
yyy完成签到,获得积分20
13秒前
cxy完成签到,获得积分10
13秒前
研友_VZG7GZ应助科研通管家采纳,获得10
13秒前
彭于晏应助科研通管家采纳,获得10
13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
晶种分解过程与铝酸钠溶液混合强度关系的探讨 8888
Les Mantodea de Guyane Insecta, Polyneoptera 2000
Chemistry and Physics of Carbon Volume 18 800
The Organometallic Chemistry of the Transition Metals 800
Leading Academic-Practice Partnerships in Nursing and Healthcare: A Paradigm for Change 800
Signals, Systems, and Signal Processing 610
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 6421538
求助须知:如何正确求助?哪些是违规求助? 8240533
关于积分的说明 17513361
捐赠科研通 5475381
什么是DOI,文献DOI怎么找? 2892427
邀请新用户注册赠送积分活动 1868805
关于科研通互助平台的介绍 1706225