Data-Juicer Sandbox: マルチモーダルデータとモデルの共開発のための包括的スイート

Data-Juicer Sandbox: A Comprehensive Suite for Multimodal Data-Model Co-development

July 16, 2024

著者: Daoyuan Chen, Haibin Wang, Yilun Huang, Ce Ge, Yaliang Li, Bolin Ding, Jingren Zhou

cs.AI

要旨

大規模マルチモーダル生成モデルの出現は、人工知能を劇的に進化させ、前例のないレベルの性能と機能性をもたらしました。しかし、これらのモデルの最適化は、歴史的に分離されてきたモデル中心とデータ中心の開発経路のため、依然として課題が残っており、最適でない結果や非効率なリソース利用を引き起こしています。これに対応するため、我々は統合されたデータとモデルの共開発に特化した新しいサンドボックススイートを提案します。このサンドボックスは、包括的な実験プラットフォームを提供し、データとモデルの両方の迅速な反復と洞察に基づく改良を可能にします。我々が提案する「Probe-Analyze-Refine」ワークフローは、最先端のLLaVA風モデルやDiTベースのモデルへの適用を通じて検証され、VBenchリーダーボードのトップに立つなど、大幅な性能向上をもたらしました。また、徹底的なベンチマークから得られた有益な洞察を明らかにし、データ品質、多様性、およびモデルの挙動の間の重要な相互作用に光を当てています。マルチモーダルデータと生成モデリングにおける深い理解と将来の進展を促進することを願い、我々のコード、データセット、およびモデルはhttps://github.com/modelscope/data-juicer/blob/main/docs/Sandbox.mdで維持され、アクセス可能です。

English

The emergence of large-scale multi-modal generative models has drastically advanced artificial intelligence, introducing unprecedented levels of performance and functionality. However, optimizing these models remains challenging due to historically isolated paths of model-centric and data-centric developments, leading to suboptimal outcomes and inefficient resource utilization. In response, we present a novel sandbox suite tailored for integrated data-model co-development. This sandbox provides a comprehensive experimental platform, enabling rapid iteration and insight-driven refinement of both data and models. Our proposed "Probe-Analyze-Refine" workflow, validated through applications on state-of-the-art LLaVA-like and DiT based models, yields significant performance boosts, such as topping the VBench leaderboard. We also uncover fruitful insights gleaned from exhaustive benchmarks, shedding light on the critical interplay between data quality, diversity, and model behavior. With the hope of fostering deeper understanding and future progress in multi-modal data and generative modeling, our codes, datasets, and models are maintained and accessible at https://github.com/modelscope/data-juicer/blob/main/docs/Sandbox.md.