多模态大模型：关于Better Captions那些事儿

Better Captions are important for LMM training

一、ShareGPT4V

题目: ShareGPT4V: Improving Large Multi-Modal Models with Better Captions
机构：中科大，上海人工智能实验室
论文: https://arxiv.org/pdf/2311.12793.pdf
代码：https://sharegpt4v.github.io/
任务: 多模态大模型CAPTION数据集质量优化
特点: 提出一个大规模更高质量的图像caption数据集
方法: 利用GPT4V
前置相关工作：LLaVA-Instruct，Qwen-VL

1.1、Motivation

利用GPT4-V去构造更加详细且准确的图像文本描述（相比COCO-Caption以及LLaVA-Instruct等数据集而言）