OpenGPT-4o-Image: A Comprehensive Dataset for Advanced Image Generation and Editing
USTC + Kling Team + 北大 + 南大 + 中科院 + 清华，2025。
核心结论
- 统一多模态模型的图像生成/编辑能力受限于训练数据的质量和覆盖度。
- 提出 OpenGPT-4o-Image：基于层级任务分类 + 自动化数据生成构建。
- 80K 高质量指令-图像对，覆盖 10+ 任务类别。
数据特点
层级任务分类 (Hierarchical Task Taxonomy)
| 层级 | 示例 |
|---|---|
| 基础能力 | 文本渲染、风格控制 |
| 中级能力 | 物体替换、场景变换 |
| 高级能力 | 化学插图等科学图像、多指令同步编辑 |
独特价值
- 覆盖了科学图像（化学插图）等很少被其他数据集覆盖的领域
- 复杂指令编辑：要求同时执行多个操作的编辑任务
与现有 Wiki 的关系
- 关联：扩散模型图像编辑与生成
- 层级分类方法提供了一种系统化的编辑任务思考框架
- 来自 Kling Team（快手可灵），代表了工业界的编辑数据实践