Apples neues Pico-Banana-400K-Dataset bereitet den Weg für intelligenteres KI-Bildbearbeitung

Apple hat ein neues Forschungsdataset mit dem Namen Apple Pico-Banana-400K veröffentlicht, und es ist einer der größten Schritte, die das Unternehmen in letzter Zeit in der KI-Forschung unternommen hat.

Das Dataset enthält 400.000 bearbeitete Bilder, die sorgfältig erstellt und überprüft wurden, um KI-Systeme zu trainieren, die Bilder basierend auf schriftlichen Textanweisungen bearbeiten können.

Diese neue Veröffentlichung hilft, eines der Hauptprobleme in der KI-Bildbearbeitung zu beheben, nämlich den Mangel an offenen, qualitativ hochwertigen Datasets für die Forschung.

Was es noch interessanter macht, ist, dass Apple Google’s Gemini-2.5-Modelle verwendet hat, um die Daten zu generieren und zu filtern.

Es zeigt, wie beide Unternehmen offen sind, über Forschungsgrenzen hinweg zusammenzuarbeiten, um die Zukunft der KI zu verbessern.

Warum ist dieses Dataset wichtig?

In ihrem Papier mit dem Titel „Pico-Banana-400K: Ein großangelegtes Dataset für textgesteuerte Bildbearbeitung“ erwähnte Apples Team, dass die meisten bestehenden KI-Bearbeitungs-Datasets entweder klein, nicht vielfältig oder hinter proprietären Systemen gesperrt sind.

Aufgrund dessen finden es Forscher oft schwierig, neue Modelle konsistent zu trainieren oder zu testen.

Das Apple Pico-Banana-Dataset behebt dieses Problem direkt. Es ist für nicht-kommerzielle Nutzung offen, was bedeutet, dass Forscher freien Zugang dazu haben, es von GitHub studieren und in ihren KI-Projekten verwenden können. Es kann jedoch nicht für geschäftliche oder gewinnorientierte Zwecke verwendet werden.

Wie hat Apple das Pico-Banana-Dataset erstellt?

Apples Forscher begannen damit, eine große Menge realer Bilder aus dem OpenImages-Dataset zu sammeln, das Menschen, Objekte und Szenen mit Text umfasst.

Dann bereiteten sie 35 verschiedene Bearbeitungsanweisungen vor, die in acht Hauptkategorien unterteilt waren. Einige Bearbeitungen waren einfach, wie das Anwenden eines Filters, während andere komplex waren, wie das Verwandeln einer Person in eine Cartoonfigur oder eine Spielzeugversion.

Um tatsächlich die bearbeiteten Bilder zu erstellen, verwendete Apple das Google’s Nano-Banana (Gemini-2.5-Flash-Image)-Modell.

Danach wurde jedes generierte Bild von einem anderen Modell, Gemini-2.5-Pro, überprüft, das kontrollierte, wie gut die Bearbeitung mit der Aufforderung übereinstimmte und wie realistisch das Bild aussah.

Nur Bilder, die beide Prüfungen bestanden, wurden dem endgültigen Apple Pico-Banana-400K-Dataset hinzugefügt. Dieser Prozess stellte sicher, dass das Dataset eine hohe Qualität und Vielfalt aufrechterhielt.

Weiterführende Lektüre:

• Apple M5 vs. M4: Wichtige Unterschiede, die Ihnen helfen, besser zu wählen

• Google Vibe Coding leitet eine neue Ära der KI-Kreativität im Gemini Studio ein

• Microsoft präsentiert MAI Image 1, einen bahnbrechenden KI-Bildgenerator

Was macht das Apple Pico-Banana-Dataset einzigartig?

Im Gegensatz zu anderen Datasets, die nur ein Paar von Vorher- und Nachher-Bildern zeigen, enthält Pico-Banana-400K auch mehrstufige Bearbeitungen, bei denen ein Bild eine Reihe von bis zu fünf Änderungen durchläuft. Dies hilft Modellen zu lernen, wie man einen längeren, schrittweisen Bearbeitungsprozess verfolgt.

Es enthält auch Präferenzpaare, die eine gute Bearbeitung mit einer schlechten vergleichen. Dies hilft KI-Modellen zu lernen, was zu vermeiden ist, und verbessert die Genauigkeit und Zuverlässigkeit in realen Aufgaben.

Apple gab zu, dass es noch einige kleinere Probleme gibt, insbesondere mit feinen Details oder Text in Bildern, aber insgesamt ist das Dataset solide.

Es ist darauf ausgelegt, bessere textgesteuerte Bildbearbeitungssysteme zu entwickeln, die Aufforderungen klarer verstehen und sauberere, natürlichere Bearbeitungen produzieren. Forscher können die vollständige Studie auf arXiv lesen und das Dataset direkt von GitHub herunterladen.