近期有关部门更新行业成就郑丽文回应中美元首会晤 很欣喜为您解答这个问题，让我来助您具体注明一下。品牌授权报建电话，急剧上门服务

湖北省宜昌市秭归县湖北省襄阳市襄州区贵州省黔东南苗族侗族自治州天柱县青海省海南藏族自治州贵德县云南省玉溪市新平彝族傣族自治县海淀区青龙桥街路湖北省孝感市汉川市湖北省宜昌市西陵区重庆市市辖区北碚区乌鲁木齐市沙依巴克区昌平区幼汤山镇福建省乐山市湖里区南开区体育中心街路乌鲁木齐市沙依巴克区四川省甘孜藏族自治州四川省成都市金牛区向阳区双井街路大兴区桥西区苑东街路郴州市博望区宝坻区牛家牌镇辽宁省本溪市溪湖区鹿泉区寺家庄镇西青区精武镇北辰区广源街路平山县东回舍镇山西省临汾市安泽县内蒙古鄂尔多斯市鄂托克旗山东省呼伦贝尔市台儿庄区甘肃省甘南藏族自治州向阳区双井街路洛阳市汝阳县四川省乐山市四川省广元市昌平区延寿镇吉林省四平市铁西区山西省晋城市高平市内蒙古呼伦贝尔市阿荣旗重庆市县巫山县山西省吕梁市中阳县内蒙古兴安盟乌兰浩特市四川省乐山市南阳市内乡县河东区东新街路四川省甘孜藏族自治州陕西省汉中市留坝县静海区西翟庄镇陕西省西安市未央区河东区大直沽街路福建省乐山市海沧区湖北省恩施土家族苗族自治州恩施市海淀区青龙桥街路河东区大直沽街路吉林省四平市铁西区广东省兰州市新兴县青海省果洛藏族自治州武威市海城区贵州省黔东南苗族侗族自治州天柱县丰台区右安门街路赞皇县西龙门乡山西省临汾市安泽县向阳区酒仙桥街路丰台区长辛店镇岳阳市瑶海区行唐县龙州镇怀柔区龙山街路西藏阿里地域日土县上海市市辖区嘉定区江苏省漯河市浦口区山东省呼伦贝尔市台儿庄区白银市秀峰区焦作市沁阳市西藏拉萨市达孜区贵州省黔南布依族苗族自治州惠水县南开区长虹街路山东省洛阳市东平县云南省西双版纳傣族自治州勐腊县岳阳市瑶海区赞皇县院头镇向阳区双井街路广东省临沧市龙湖区内蒙古乌海市乌达区内蒙古呼伦贝尔市阿荣旗辽宁省向阳市北票市和平区南市街路长安区南村镇山西省吕梁市岚县海南省固原市西沙区新乐市协神乡山西省忻州市宁武县元氏县殷村镇平山县上观音堂乡福建省眉山市梅列区江西省遵义市武宁县山东省平顶山市福建省乐山市海沧区重庆市市辖区北碚区山东省巴彦淖尔市垦利区江苏省南阳市云南省大理白族自治州云龙县

本月行业汇报颁布最新进展李飞飞造了ImageNet，此刻她又带人超过了它，很欣喜为您解答这个问题，让我来助您具体注明一下:官方服务专线，支持多品牌报建

福建省乐山市海沧区江西省曲靖市奉新县内蒙古乌海市乌达区黑龙江省绥化市明水县定西市田林县蓟州区东二营镇四川省凉山彝族自治州昭觉县密云区高岭镇开封市通许县丰台区长辛店镇固原市西吉县江苏省宜昌市句容市山西省运城市夏县福建省乐山市湖里区山西省晋城市高平市四川省甘孜藏族自治州丹巴县黑龙江省七台河市桃山区辽宁省大连市旅顺口区元氏县塔城地域和布克赛尔蒙古自治县山东省洛阳市东平县陕西省咸阳市兴平市山东省巴彦淖尔市垦利区山东省平顶山市辽宁省辽阳市白塔区江西省毕节市余江区桥西区东华街路内蒙古鄂尔多斯市康巴什区黑龙江省伊春市金林区黑龙江省伊春市金林区甘肃省兰州市顺义区空港街路银川市宁明县桥西区留营街路吉林省白山市浑江区绵阳市利辛县四川省成都市新都区云南省西双版纳傣族自治州勐腊县山西省临汾市安泽县四川省凉山彝族自治州昭觉县江苏省南阳市郴州市博望区四川省凉山彝族自治州西昌市向阳区酒仙桥街路江苏省南阳市丰县四川省凉山彝族自治州昭觉县山西省晋中市灵石县山东省洛阳市泰山区青海省玉树藏族自治州治多县云南省红河哈尼族彝族自治州泸西县云南省红河哈尼族彝族自治州绿春县蓟州区东施古镇山东省鄂尔多斯市临淄区青秀区昌平区回龙观街路郴州市博望区陕西省宝鸡市眉县丰台区长辛店镇福建省南充市城厢区黑龙江省佳木斯市富锦市丰台区右安门街路平山县幼觉镇西乡塘区黑龙江省大兴安岭地域呼玛县贵州省六盘水市水城县四川省遂宁市蓬溪县门头沟区大峪街路四川省宜宾市珙县重庆市县巫山县西乡塘区山西省忻州市宁武县贵州省铜仁市印江土家族苗族自治县黑龙江省佳木斯市汤原县四川省凉山彝族自治州西昌市云南省西双版纳傣族自治州勐腊县贵州省黔南布依族苗族自治州惠水县云南省怒江傈僳族自治州福贡县赵县沙河店镇赞皇县西龙门乡海淀区青龙桥街路福建省南充市城厢区广东省临沧市龙湖区甘肃省甘南藏族自治州江西省贵阳市昌江区平凉市四川省凉山彝族自治州甘洛县贵州省安顺市普定县上海市市辖区嘉定区四川省宜宾市翠屏区江西省六盘水市上栗县山西省吕梁市岚县塔城地域和布克赛尔蒙古自治县元氏县殷村镇密云区高岭镇益阳市大通区江苏省漯河市浦口区和平区南市街路平山县岗南镇鹿泉区寺家庄镇湖北省宜昌市西陵区

全球服务区域:广东省普洱市斗门区山西省吕梁市岚县焦作市山西省吕梁市中阳县密云区古北口镇甘肃省陇南市武都区桥西区东华街路北辰区广源街路陕西省汉中市留坝县井陉县吴家窑乡银川市贺兰县丰台区长辛店镇贵州省安顺市普定县长安区广安街路内蒙古鄂尔多斯市康巴什区郴州市博望区重庆市市辖区北碚区宝坻区牛家牌镇山东省焦作市茌平区元氏县内蒙古兴安盟乌兰浩特市山东省通辽市城阳区广东省西安市龙门县云南省普洱市景东彝族自治县无极县大陈镇顺义区空港街路密云区高岭镇辽宁省铁岭市开原市西城区月坛街路青海省海北藏族自治州门源回族自治县黑龙江省鹤岗市元氏县辽宁省向阳市北票市丰台区和义街路辽宁省锦州市义县山东省呼伦贝尔市台儿庄区山东省洛阳市东平县西城区月坛街路西青区精武镇南开区长虹街路广东省兰州市新兴县甘肃省甘南藏族自治州怀柔区雁栖地域岳阳市庐阳区福建省乐山市海沧区甘肃省兰州市吉林省白山市浑江区四川省广安市岳池县陕西省汉中市南郑区怀柔区龙山街路赵县沙河店镇四川省凉山彝族自治州西昌市四川省甘孜藏族自治州泸定县广东省普洱市斗门区河东区大直沽街路西藏拉萨市达孜区濮阳市南乐县平山县上观音堂乡四川省德阳市广汉市福建省广安市龙海市四川省甘孜藏族自治州丹巴县山西省晋中市太谷区武威市海城区四川省德阳市广汉市北辰区广源街路福建省眉山市梅列区广东省丽江市江西省昆明市永新县南阳市内乡县山西省晋城市高平市宝坻区牛家牌镇甘肃省庆阳市镇原县陕西省商洛市山阳县云南省大理白族自治州云龙县海淀区青龙桥街路山东省乌兰察布市龙口市隆安县四川省乐山市四川省甘孜藏族自治州丹巴县怀柔区雁栖地域银川市四川省甘孜藏族自治州贵州省安顺市普定县银川市贺兰县湖北省恩施土家族苗族自治州恩施市南开区体育中心街路黑龙江省佳木斯市富锦市密云区高岭镇福建省达州市云南省大理白族自治州云龙县昌平区延寿镇黑龙江省佳木斯市汤原县江西省昆明市昆明县辽宁省向阳市北票市山东省平顶山市辽宁省辽阳市白塔区江西省贵阳市昌江区武清区上马台镇广东省西安市龙门县内蒙古鄂尔多斯市鄂托克旗

今日监管部门传递新政策信息李飞飞造了ImageNet，此刻她又带人超过了它，很欣喜为您解答这个问题，让我来助您具体注明一下:售后服务维建中心电话，支持多渠路服务

全国服务区域：甘肃省甘南藏族自治州四川省成都市双流区昌平区阳坊镇贵州省黔东南苗族侗族自治州天柱县阿克苏地域拜城县北辰区青海省海南藏族自治州贵德县西藏山南市山东省焦作市冠县喀什地域叶城县岳阳市瑶海区向阳区双井街路陕西省汉中市南郑区江苏省信阳市相城区江苏省信阳市相城区许昌市建安区广东省临沧市南澳县丰台区宛平城地域山西省乌海市平定县四川省宜宾市江安县四川省乐山市山东省呼伦贝尔市台儿庄区河东区东新街路平山县岗南镇山西省吕梁市中阳县海南省
？谑忻览记帐∧涎羰行乱适薪棺魇星哐羰薪魇⊥适惺窍厍嗪Ｊ『Ｎ髅晒抛宀刈遄灾沃莸铝罟市江西省遵义市武宁县大兴区贵州省铜仁市玉屏侗族自治县陕西省汉中市西乡县甘肃省定西市渭源县桥西区留营街路黑龙江省鸡西市鸡冠区广东省临沧市龙湖区平山县上观音堂乡山东省濮阳市山西省吕梁市岚县湖北省恩施土家族苗族自治州恩施市山东省洛阳市泰山区吉林省白山市浑江区伊犁哈萨克自治州昭苏县固原市西吉县陕西省咸阳市兴平市蓟州区东赵各庄镇山西省朔州市山阴县向阳区幼红门地域井陉县测鱼镇密云区古北口镇无极县大陈镇福建省达州市许昌市建安区广东省西安市龙门县银川市贺兰县上海市市辖区嘉定区蓟州区东赵各庄镇黑龙江省佳木斯市富锦市平山县上观音堂乡南开区体育中心街路绵阳市利辛县张家界市蚌山区吉林省四平市铁西区南开区长虹街路山东省焦作市茌平区武清区上马台镇向阳区幼关街路四川省广元市内蒙古呼伦贝尔市阿荣旗福建省内江市永泰县山西省乌海市平定县山西省朔州市山阴县鹿泉区白鹿泉乡山东省洛阳市东平县伊犁哈萨克自治州昭苏县山西省忻州市宁武县博尔塔拉蒙古自治州温泉县湖北省恩施土家族苗族自治州建始县元氏县苏村乡山东省洛阳市泰山区丰台区宛平城地域平凉市武清区汊沽港镇湖北省宜昌市秭归县塔城地域和布克赛尔蒙古自治县山东省乌兰察布市龙口市四川省甘孜藏族自治州九龙县山西省运城市夏县向阳区豆各庄地域甘肃省陇南市武都区桥西区留营街路山东省平顶山市辽宁省沈阳市沈河区阿克苏地域拜城县贵州省安顺市普定县南阳市内乡县青海省玉树藏族自治州治多县福建省南充市升天县

售后服务上门服务电话，智能分配单据：李飞飞造了ImageNet，此刻她又带人超过了它

编纂｜Panda

2012 年，AlexNet 在 ImageNet 较量上以压倒性的优势拿下第一，正式开启深度进建时期。尔后十余年，ImageNet 成为推算机视觉钻研的「尺度科场」：无论是 VGG、ResNet，还是 ViT，钻研者们都在这统一张卷子上比拼，看谁的模型精度更高。

但这张卷子，如今已经没有评分的意思了。

今年，一批顶尖论文相继宣告：它们在 ImageNet 上的天生质量评分（FID），已经低于真实图片自身的评分。也就是说，天生的假图片，在统计上比真图片「更像真图片」。卷子刷穿了，分数失真了，这个沿用十年的基准彻底鼓和。

基准鼓和意味着什么
？单一来说：你不再能通过度数判断一个天生模型是真的好，还是在「投契取巧」地优化指标
？蒲Ь赫，必要一把新的尺子。

就在前两天，斯坦福大学等机构颁布了一个名为GPIC（Giant Permissive Image Corpus，巨型盛开图像语料库）的数据集。

项目共一作者 Keshigeyan Chandrasegaran 的推文

该项目由李飞飞团队主导构建，主题贡献者为 Keshigeyan Chandrasegaran 和 Kyle Sargen，蕴含整整1 亿对图像-文本数据，总计约28 万亿像素，并已全量托管在 Hugging Face 上，任何人都能够免费下载使用。

旧规定失灵了

要理解 GPIC 为什么重要，先要理解当前的视觉天生钻研面对哪些困境。钻研者们在使用已罕见据集时，遭逢了三个相互叠加的麻烦。

第一个麻烦：旧基准 ImageNet 已经对不上现实

今天的图像天生模型，训练用的是数亿张带有天然说话描述的图片，天生时也靠文字提醒词驱动。而 ImageNet 是一个以「分类标签」为主题的数据集，它对应的是另一个时期的钻研范式。拿一张用文字提醒天生的图片，去和一个以标签分类为指标设计的数据集做比力，性质上是「用语文考卷评数学成就」。

第二个麻烦：大无数工业级数据集不合表盛开

Stable Diffusion、Midjourney、Sora 这些一线产品背后，训练数据要么是贸易机密，要么涉及版权纠纷，从未公开。学术界要复现、比力、改进这些模型，险些无从下手。

第三个麻烦：即便有盛开数据集，也不不变

目前学界常用的盛开数据集（如 LAION、DataComp），普遍选取「URL 索引」的方式分发——也就是说，钻研者下载到的，其实是一份图片网址清单，还得自己去抓取原始图片。随着功夫推移，大量链接失效，分歧钻研团队最终用到的「统一个数据集」其实已经天壤之别，尝试了局天然无法靠得住比力。

GPIC 的设计，正是针对这三重失灵逐一作答。

论文标题：GPIC: A Giant Permissive Image Corpus for Visual Generation论文地址：https://arxiv.org/abs/2605.30341项目地址：https://gpic.stanford.edu/

来自 ImageNet 作者的交班人之作

构建 GPIC 的团队，来自斯坦福大学，蕴含李飞飞、吴佳俊以及他们的多位学生。

李飞飞是「ImageNet 时期」的缔造者之一。2009 年，她主导颁布了初版 ImageNet，后出处此衍生出 ILSVRC 视觉鉴别挑战赛，催生了 AlexNet 等一系列里程碑式工作，被宽泛以为是深度进建革命的重要推手之一；她也因而还被《时期》杂志和 BBC 等很多媒体称为是 AI 的教母（Godmother of AI）。

图源：Time 官网

她如今是斯坦福人为智能尝试室（SAIL）的结合主任，同时也是 3D 空间智能公司 World Labs 的首创人。

这一次，她携带团队打造的是视觉天生时期的「新 ImageNet」。

GPIC 是什么，怎么做出来的

GPIC 的构建，经过了四个严格的流程阶段。

只采集有授权的图片

钻研团队仅从 Flickr 和 Wikimedia 两个平台网络图片，并严格限造在 CC BY、CC0、公有领域和无已知限度这四类授权领域内。这意味着 GPIC 里的每一张图片，都有明确的司法凭据，既可用于学术钻研，也可用于贸易产品开发，无需不安版权风险。初始网络到的图片约 1.1 亿张，其中 87.7% 来自 Flickr，12.3% 来自 Wikimedia。

过滤低质量与有害内容

钻研团队借助视觉说话模型 Qwen3-VL-4B，自动鉴别并移除分辨率过低、严重吞吐、过曝、近乎空缺，以及被判定为不安全的图片。这两类过滤别离裁减了约 0.3% 和 0.35% 的图片——比例看起来很幼，但在亿级规模下，这意味着筛掉了数十万张问题图片。

第三步：去重

互联网图片有大量的「反复」景象，蕴含统一场景的连拍、被转发的表情包、略有分歧的翻疆域。钻研团队使用了一种名为 SSCD 的图片复造检测模型，推算每两张图片之间的特点类似度，并通过「守旧去重」战术删除高相信度反复项。最终，约 101.3 万张图片留下，其中不含任何齐全一样的副本。

第四步：天生高质量描述文字

传统图片数据集的文字描述（如 alt text）质量往往很差，充溢着「photo.jpg」「未定名」之类无意思的标注。GPIC 则对每一张图片，都用 Qwen3-VL-4B 重新天生炼质量的人为智能描述，且描述依照「标签」「短」「钟坠「长」四种粒度散布。天生 1 亿张图片的描述，共亏损约 1500 个 H100 GPU·幼时。

最终的 GPIC，蕴含 1 亿张训练图片、20 万张验证图片和 100 万张测试图片，总体积约 12.9 TB，整顿成 8000 个吩飕（shard），能够直接流式传输用于大规模散布式训练。

数据集之表，GPIC 还附带了一套新的评估和谈，这同样是这次颁布的重要贡献。

旧的评估指标 FID（Fréchet Inception Distance）依赖一个 2015 年的图像分类网络 Inception-v3 来提取图片特点。这个网络从未为「评估天生质量」而设计，它的特点空间和人类对图像质量的感知存在显著的脱节，导致 FID 评分容易被「刷榜」——模型能够在不真正提升感知质量的情况降落低 FID 数值。

GPIC 的新基准选取FD-DINOv2作为重要指标。

DINOv2 是 Meta 于 2023 年颁布的自监督视觉特点模型，其特点暗示与人类对图像类似性的判断更为一致。

钻研者们验证发现：目前所有主流天生模型（蕴含那些用了 DINOv2 特点训练的模型），在 FD-DINOv2 上的分数依然高于真实图片，注明这把尺子还有足够的「余量」，不会很快被刷穿。

更重要的一点改进是：GPIC 的基准评分是与一个 独立的百万张测试集 进行比力，而不是和训练集比力。这个设计预防了一个严重的缝隙——若是拿天生图片和训练集比力，模型只需「记住」训练数据就能获得好分数，而无法反映真正的泛化能力。

给将来的钻研者：参考基线

为了方便后来者对齐尝试了局，钻研团队还在 GPIC-Full（1 亿张训练集）上训练了一个参考基线模型。

这个基线使用了JiT（Just image Transformers）流匹配架构，搭配 1.1B 参数的 Transformer 骨干网络，以 256×256 分辨率在单节点 8 张 H100 上训练约 40 幼时（约一个 epoch）。最终，在最优的疏导强度（CFG=6.25）下，基线模型的 FD-DINOv2 评分为 76.25。这个数字并不杰出，但它的价值在于：所有钻研者都能够以此为起点，平正地比力各自的改进成效。

钻研团队还提供了三个分歧规模的训练集版本：GPIC-Nano（100 万张）、GPIC-Lite（1000 万张）和 GPIC-Full（1 亿张），方便资源有限的团队在幼规模上迭代，有足够算力的团队再在齐全数据集上验证。

一个盛开基础设施的意思

视觉天生领域在经历一场「军备较量」。Sora、Imagen、Stable Diffusion 3……前沿模型的能力每隔几个月就会跃升一级。但这场较量，在相当水平上是不通明的：每个尝试室都在自己的数据上训练，用自己的指标评估，颁布时只遴选对自己有利的数字汇报。

公开、可复现的基准，是科学进取的基础。学界在 NLP 领域已经为此支出了多年致力，逐步成立起了 GLUE、SuperGLUE、BIG-bench 等相对尺度化的评测系统。视觉天生，迟迟短缺这样的基础。

GPIC 的颁布是一次为这个领域补课的尝试，是为了让整个领域有一个共同的起跑线。正如李飞飞团队在论文中所写的：「我们但愿 GPIC 可能推动视觉天生建模领域公开、可及、可复现的钻研。」

本月行业协会颁布新钻研汇报李飞飞造了ImageNet，此刻她又带人超过了它

编纂｜Panda

2012 年，AlexNet 在 ImageNet 较量上以压倒性的优势拿下第一，正式开启深度进建时期。尔后十余年，ImageNet 成为推算机视觉钻研的「尺度科场」：无论是 VGG、ResNet，还是 ViT，钻研者们都在这统一张卷子上比拼，看谁的模型精度更高。

但这张卷子，如今已经没有评分的意思了。

今年，一批顶尖论文相继宣告：它们在 ImageNet 上的天生质量评分（FID），已经低于真实图片自身的评分。也就是说，天生的假图片，在统计上比真图片「更像真图片」。卷子刷穿了，分数失真了，这个沿用十年的基准彻底鼓和。

基准鼓和意味着什么
？单一来说：你不再能通过度数判断一个天生模型是真的好，还是在「投契取巧」地优化指标
？蒲Ь赫，必要一把新的尺子。

就在前两天，斯坦福大学等机构颁布了一个名为GPIC（Giant Permissive Image Corpus，巨型盛开图像语料库）的数据集。

项目共一作者 Keshigeyan Chandrasegaran 的推文

该项目由李飞飞团队主导构建，主题贡献者为 Keshigeyan Chandrasegaran 和 Kyle Sargen，蕴含整整1 亿对图像-文本数据，总计约28 万亿像素，并已全量托管在 Hugging Face 上，任何人都能够免费下载使用。

旧规定失灵了

要理解 GPIC 为什么重要，先要理解当前的视觉天生钻研面对哪些困境。钻研者们在使用已罕见据集时，遭逢了三个相互叠加的麻烦。

第一个麻烦：旧基准 ImageNet 已经对不上现实

今天的图像天生模型，训练用的是数亿张带有天然说话描述的图片，天生时也靠文字提醒词驱动。而 ImageNet 是一个以「分类标签」为主题的数据集，它对应的是另一个时期的钻研范式。拿一张用文字提醒天生的图片，去和一个以标签分类为指标设计的数据集做比力，性质上是「用语文考卷评数学成就」。

第二个麻烦：大无数工业级数据集不合表盛开

Stable Diffusion、Midjourney、Sora 这些一线产品背后，训练数据要么是贸易机密，要么涉及版权纠纷，从未公开。学术界要复现、比力、改进这些模型，险些无从下手。

第三个麻烦：即便有盛开数据集，也不不变

目前学界常用的盛开数据集（如 LAION、DataComp），普遍选取「URL 索引」的方式分发——也就是说，钻研者下载到的，其实是一份图片网址清单，还得自己去抓取原始图片。随着功夫推移，大量链接失效，分歧钻研团队最终用到的「统一个数据集」其实已经天壤之别，尝试了局天然无法靠得住比力。

GPIC 的设计，正是针对这三重失灵逐一作答。

论文标题：GPIC: A Giant Permissive Image Corpus for Visual Generation论文地址：https://arxiv.org/abs/2605.30341项目地址：https://gpic.stanford.edu/

来自 ImageNet 作者的交班人之作

构建 GPIC 的团队，来自斯坦福大学，蕴含李飞飞、吴佳俊以及他们的多位学生。

李飞飞是「ImageNet 时期」的缔造者之一。2009 年，她主导颁布了初版 ImageNet，后出处此衍生出 ILSVRC 视觉鉴别挑战赛，催生了 AlexNet 等一系列里程碑式工作，被宽泛以为是深度进建革命的重要推手之一；她也因而还被《时期》杂志和 BBC 等很多媒体称为是 AI 的教母（Godmother of AI）。

图源：Time 官网

她如今是斯坦福人为智能尝试室（SAIL）的结合主任，同时也是 3D 空间智能公司 World Labs 的首创人。

这一次，她携带团队打造的是视觉天生时期的「新 ImageNet」。

GPIC 是什么，怎么做出来的

GPIC 的构建，经过了四个严格的流程阶段。

只采集有授权的图片

钻研团队仅从 Flickr 和 Wikimedia 两个平台网络图片，并严格限造在 CC BY、CC0、公有领域和无已知限度这四类授权领域内。这意味着 GPIC 里的每一张图片，都有明确的司法凭据，既可用于学术钻研，也可用于贸易产品开发，无需不安版权风险。初始网络到的图片约 1.1 亿张，其中 87.7% 来自 Flickr，12.3% 来自 Wikimedia。

过滤低质量与有害内容

钻研团队借助视觉说话模型 Qwen3-VL-4B，自动鉴别并移除分辨率过低、严重吞吐、过曝、近乎空缺，以及被判定为不安全的图片。这两类过滤别离裁减了约 0.3% 和 0.35% 的图片——比例看起来很幼，但在亿级规模下，这意味着筛掉了数十万张问题图片。

第三步：去重

互联网图片有大量的「反复」景象，蕴含统一场景的连拍、被转发的表情包、略有分歧的翻疆域。钻研团队使用了一种名为 SSCD 的图片复造检测模型，推算每两张图片之间的特点类似度，并通过「守旧去重」战术删除高相信度反复项。最终，约 101.3 万张图片留下，其中不含任何齐全一样的副本。

第四步：天生高质量描述文字

传统图片数据集的文字描述（如 alt text）质量往往很差，充溢着「photo.jpg」「未定名」之类无意思的标注。GPIC 则对每一张图片，都用 Qwen3-VL-4B 重新天生炼质量的人为智能描述，且描述依照「标签」「短」「钟坠「长」四种粒度散布。天生 1 亿张图片的描述，共亏损约 1500 个 H100 GPU·幼时。

最终的 GPIC，蕴含 1 亿张训练图片、20 万张验证图片和 100 万张测试图片，总体积约 12.9 TB，整顿成 8000 个吩飕（shard），能够直接流式传输用于大规模散布式训练。

数据集之表，GPIC 还附带了一套新的评估和谈，这同样是这次颁布的重要贡献。

旧的评估指标 FID（Fréchet Inception Distance）依赖一个 2015 年的图像分类网络 Inception-v3 来提取图片特点。这个网络从未为「评估天生质量」而设计，它的特点空间和人类对图像质量的感知存在显著的脱节，导致 FID 评分容易被「刷榜」——模型能够在不真正提升感知质量的情况降落低 FID 数值。

GPIC 的新基准选取FD-DINOv2作为重要指标。

DINOv2 是 Meta 于 2023 年颁布的自监督视觉特点模型，其特点暗示与人类对图像类似性的判断更为一致。

钻研者们验证发现：目前所有主流天生模型（蕴含那些用了 DINOv2 特点训练的模型），在 FD-DINOv2 上的分数依然高于真实图片，注明这把尺子还有足够的「余量」，不会很快被刷穿。

更重要的一点改进是：GPIC 的基准评分是与一个 独立的百万张测试集 进行比力，而不是和训练集比力。这个设计预防了一个严重的缝隙——若是拿天生图片和训练集比力，模型只需「记住」训练数据就能获得好分数，而无法反映真正的泛化能力。

给将来的钻研者：参考基线

为了方便后来者对齐尝试了局，钻研团队还在 GPIC-Full（1 亿张训练集）上训练了一个参考基线模型。

这个基线使用了JiT（Just image Transformers）流匹配架构，搭配 1.1B 参数的 Transformer 骨干网络，以 256×256 分辨率在单节点 8 张 H100 上训练约 40 幼时（约一个 epoch）。最终，在最优的疏导强度（CFG=6.25）下，基线模型的 FD-DINOv2 评分为 76.25。这个数字并不杰出，但它的价值在于：所有钻研者都能够以此为起点，平正地比力各自的改进成效。

钻研团队还提供了三个分歧规模的训练集版本：GPIC-Nano（100 万张）、GPIC-Lite（1000 万张）和 GPIC-Full（1 亿张），方便资源有限的团队在幼规模上迭代，有足够算力的团队再在齐全数据集上验证。

一个盛开基础设施的意思

视觉天生领域在经历一场「军备较量」。Sora、Imagen、Stable Diffusion 3……前沿模型的能力每隔几个月就会跃升一级。但这场较量，在相当水平上是不通明的：每个尝试室都在自己的数据上训练，用自己的指标评估，颁布时只遴选对自己有利的数字汇报。

公开、可复现的基准，是科学进取的基础。学界在 NLP 领域已经为此支出了多年致力，逐步成立起了 GLUE、SuperGLUE、BIG-bench 等相对尺度化的评测系统。视觉天生，迟迟短缺这样的基础。

GPIC 的颁布是一次为这个领域补课的尝试，是为了让整个领域有一个共同的起跑线。正如李飞飞团队在论文中所写的：「我们但愿 GPIC 可能推动视觉天生建模领域公开、可及、可复现的钻研。」

“这是2025年电影《惊蛰无声》杀青时，中国导演张艺谋送我的署名丝巾。”美国演员兼微短剧导演钱焜12日在河南郑州接受中新社专访时，展示了一个珍藏的礼盒，里面正是这条丝巾，这是他参演中国电影的见证。

k8凯发天生赢家

郑丽文回应中美元首会晤