VINS-120K：基于大规模数据集的超高分辨率图像编辑
计算机视觉与模式识别
2026-05-25 v1
摘要
直接编辑超高分辨率 (UHR) 图像具有重要价值，但目前仍较少被探索，主要由于缺乏高质量数据以及在建模高频纹理细节方面的挑战。我们引入 VINS-120K，这是第一个大规模用于基于指令的 UHR 图像编辑的数据集，包含 120K 个精心筛选的指令、输入图像和编辑后图像的三元组。每个图像分辨率均超过 4K (4096 4096)，并通过严格的多阶段管道进行筛选，以确保视觉质量、指令对齐和审美保真度。基于 VINS-120K，我们进一步开发了一种高频感知后适应策略，将预训练的非高分辨率模型扩展到 UHR 领域。我们还提出了 VINS-4KEval，一个覆盖多样化编辑类型的基准，用于在 UHR 设置下实现一致的评估。实验表明，我们的工作在 UHR 图像编辑中提高了细粒度细节合成和纹理逼真度。
引用
@article{arxiv.2605.23518,
title = {VINS-120K: Ultra High-Resolution Image Editing with A Large-Scale Dataset},
author = {Zhizhou Chen and Shanyan Guan and Zhanxin Gao and En Ci and Yanhao Ge and Wei Li and Zhenyu Zhang and Jian Yang and Ying Tai},
journal= {arXiv preprint arXiv:2605.23518},
year = {2026}
}