Pico-Banana-400K
收藏资源简介：
Pico-Banana-400K是一个大规模数据集，包含约40万文本-图像-编辑三元组，专门用于文本引导的图像编辑研究。数据集基于Open Images构建，涵盖35种编辑操作和8个语义类别，包括像素和光度调整、对象级别编辑、场景组合、风格转换等。每个示例包含原始图像、人类化编辑指令和经过Nano-Banana模型生成验证的编辑结果。
Pico-Banana-400K is a large-scale dataset containing approximately 400,000 text-image-editing triplets, specifically tailored for text-guided image editing research. Built upon Open Images, the dataset covers 35 editing operations and 8 semantic categories, including pixel and photometric adjustments, object-level editing, scene composition, style transfer, and more. Each sample consists of the original image, human-authored editing instructions, and edited results generated and validated by the Nano-Banana model.
Pico-Banana-400K 数据集概述
数据集简介
Pico-Banana-400K 是一个大规模文本引导图像编辑数据集，包含约40万文本-图像-编辑三元组，旨在推进文本引导图像编辑研究。
核心特征
- 总样本量：约40万图像编辑数据
- 数据组成：
- 约25.7万单轮文本-图像-编辑三元组（用于SFT）
- 约5.6万单轮文本-图像（正例）-图像（负例）-编辑（用于偏好学习）
- 约7.2万多轮文本-图像-编辑（用于多轮应用）
- 图像源：Open Images
- 编辑操作：35种操作，涵盖8个语义类别
- 图像分辨率：512-1024像素
- 提示生成器：Gemini-2.5-Flash
- 编辑模型：Nano-Banana
- 自评估：使用Gemini-2.5-Pro的自动评估流程
类别分布
| 类别 | 描述 | 百分比 |
|---|---|---|
| 对象级语义 | 添加、移除、替换或重定位对象 | 35% |
| 场景构图与多主体 | 上下文和环境转换 | 20% |
| 以人为中心 | 涉及服装、表情或外观的编辑 | 18% |
| 风格化 | 领域和艺术风格转换 | 10% |
| 文本与符号 | 涉及可见文本、标志或符号的编辑 | 8% |
| 像素与光度 | 亮度、对比度和色调调整 | 5% |
| 尺度与透视 | 缩放、视点或取景变化 | 2% |
| 空间/布局 | 外绘、构图或画布扩展 | 2% |
数据集构建
采用两阶段多模态生成流程：
- 指令生成：使用Gemini-2.5-Flash为每个Open Images样本生成简洁的自然语言编辑指令
- 编辑与自评估：Nano-Banana模型执行编辑，通过结构化质量提示自动评估结果，仅保留得分高于严格阈值（约0.7）的成功编辑
应用场景
- 可控和指令感知的图像编辑
- 多轮对话式编辑
- 基于奖励的训练范式
下载指南
单轮编辑图像
清单文件：
- https://ml-site.cdn-apple.com/datasets/pico-banana-300k/nb/manifest/sft_manifest.txt
- https://ml-site.cdn-apple.com/datasets/pico-banana-300k/nb/manifest/preference_manifest.txt
多轮编辑图像
清单文件：https://ml-site.cdn-apple.com/datasets/pico-banana-300k/nb/manifest/multi_turn_manifest.txt
源图像
下载链接随编辑指令在以下文件中提供：
- https://ml-site.cdn-apple.com/datasets/pico-banana-300k/nb/jsonl/sft.jsonl
- https://ml-site.cdn-apple.com/datasets/pico-banana-300k/nb/jsonl/preference.jsonl
- https://ml-site.cdn-apple.com/datasets/pico-banana-300k/nb/jsonl/multi-turn.jsonl
许可证
- 使用知识共享署名-非商业性使用-禁止演绎 4.0 许可证
- 仅限研究和非商业用途
- 源图像遵循Open Images（CC BY 2.0）许可证
引用
bibtex @misc{qian2025picobanana, title = {Pico-Banana-400K: A Large-Scale Dataset for Text-Guided Image Editing}, author = {Yusu Qian and Eli Bocek-Rivele and Liangchen Song and Jiasen Lu and Jialing Tong and Yinfei Yang and Wenze Hu and Zhe Gan}, year = {2025}, note = {Dataset release (preprint / placeholder citation). Paper forthcoming.}, url = {https://github.com/apple/ml-pico-banana-400K}, }
