Forskere har præsenteret en ny tilgang til datahåndtering for generativ billedgenerering, der adresserer en central udfordring: hvordan man organiserer heterogen supervision i forhold til afhængighederne mellem generative evner. I stedet for at optimere opgavespecifikke datasæt isoleret, introducerer de en capability-drevet data-infrastruktur, der kobler konstruktionen af evnespecifik supervision med et curriculum, der følger en læringsrækkefølge. Læs paperet her.
Konkret består systemet af tre specialiserede data-engineer, der bygger komplementær relationel supervision for tekst-billede-grounding, inter-billede-transformation og billede-viden-association. Samtidig justerer caption-eksperter T2I- og redigeringssupervision på tværs af opgaver og granulariteter. Et multi-stage curriculum udvikler opgavekomposition, visuel-konceptfordeling, datakvalitet og billedopløsning i overensstemmelse med rækkefølgen af evnetilegnelse, med capability-aware evaluering, der lukker loopet gennem målrettet retrieval, ekspertkonstruktion og gap-aware resampling.
På skala kuraterer rammen et 440M-billede T2I-korpus, 120M redigeringspar og over 27M billede-enhed-par. Med denne infrastruktur træner forskerne multimodale diffusionsmodeller fra bunden i to størrelser: 3B og 6B parametre. De kvantitative evalueringer på CPI-Bench og kvalitative evalueringer på tværs af tekst-til-billede- og redigeringsscenarier viser bred visuel dækning, alsidig rendering og effektiv overførsel mellem generative evner.
For beslutningstagere er pointen ikke de tekniske detaljer, men at datakuratering nu bliver en strategisk konkurrenceparameter. Virksomheder, der bygger egne billedgenereringsmodeller, kan ikke længere nøjes med at skrabe flere data sammen – de skal tænke i, hvordan data struktureres efter evneafhængigheder. For købere og investorer betyder det, at modellers reelle kapabilitet i stigende grad afhænger af dataarkitektur, ikke kun modelstørrelse.
