{"id":906,"date":"2025-07-06T05:28:51","date_gmt":"2025-07-06T05:28:51","guid":{"rendered":"https:\/\/janusai.pro\/?p=906"},"modified":"2025-07-06T05:28:52","modified_gmt":"2025-07-06T05:28:52","slug":"janus-4o-sharegpt-4o-image","status":"publish","type":"post","link":"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/","title":{"rendered":"Der neue Star der multimodalen Bildgenerierung: Janus-4o? ShareGPT-4o-Image setzt einen neuen Standard f\u00fcr Datens\u00e4tze und richtet die Bildgenerierung an GPT-4o aus."},"content":{"rendered":"<div style=\"margin-top: 0px; margin-bottom: 0px;\" class=\"sharethis-inline-share-buttons\" ><\/div>\n<p><a href=\"https:\/\/sharegpt4o.github.io\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">ShareGPT-4o-Image<\/a> ist ein umfangreicher, hochwertiger Datensatz zur Bildgenerierung, bei dem alle Bilder mit den Bildgenerierungsfunktionen von GPT-4o generiert werden.<\/p>\n\n\n\n<p>Dieser Datensatz zielt darauf ab, die Vorteile multimodaler Open-Source-Modelle mit den St\u00e4rken von GPT-4o bei der Erstellung visueller Inhalte zu kombinieren. <\/p>\n\n\n\n<p>Es enth\u00e4lt 45.000 Text-zu-Bild- und 46.000 Bild-zu-Text-Beispiele und ist somit eine praktische Ressource zur Verbesserung multimodaler Modelle bei der Bildgenerierung und -bearbeitung.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"998\" height=\"700\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/f48c8349-9310-48a1-9276-d7614aa958d9.png\" alt=\"\" class=\"wp-image-911\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/f48c8349-9310-48a1-9276-d7614aa958d9.png 998w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/f48c8349-9310-48a1-9276-d7614aa958d9-300x210.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/f48c8349-9310-48a1-9276-d7614aa958d9-768x539.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/f48c8349-9310-48a1-9276-d7614aa958d9-18x12.png 18w\" sizes=\"auto, (max-width: 998px) 100vw, 998px\" \/><\/figure>\n\n\n\n<p>Janus-4o ist ein multimodales LLM, das Text-zu-Bild- und Text-und-Bild-zu-Bild-Generierung erm\u00f6glicht. Es basiert auf Janus-Pro und wurde mithilfe des ShareGPT-4o-Image-Datensatzes optimiert. Im Vergleich zu Janus-Pro bietet Janus-4o die M\u00f6glichkeit zur Text-und-Bild-zu-Bild-Generierung und erzielt deutliche Verbesserungen bei der Text-zu-Bild-Generierung.<\/p>\n\n\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Inhalts\u00fcbersicht<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Inhaltsverzeichnis umschalten\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Umschalten auf<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/#Dataset_Overview\" >Datensatz\u00fcbersicht<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/#Related_Links\" >Weiterf\u00fchrende Links<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/#Paper_Introduction\" >Einf\u00fchrung<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/#Method_Overview\" >Methoden\u00fcbersicht<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/#Experimental_Results\" >Experimentelle Ergebnisse<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/janusai.pro\/de\/janus-4o-sharegpt-4o-image\/#Conclusions\" >Schlussfolgerungen<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Dataset_Overview\"><\/span>Datensatz\u00fcbersicht<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Der ShareGPT-4o-Image-Datensatz enth\u00e4lt 91.000 Beispiele f\u00fcr die GPT-4o-Bildgenerierung, die wie folgt kategorisiert sind:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Text-zu-Bild: 45.717<\/li>\n\n\n\n<li>Text-plus-Bild-zu-Bild: 46.539<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Related_Links\"><\/span>Weiterf\u00fchrende Links<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Code: <a href=\"https:\/\/github.com\/FreedomIntelligence\/ShareGPT-4o-Image\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Github, klicken Sie hier<\/a><\/p>\n\n\n\n<p>Modell: <a href=\"https:\/\/huggingface.co\/FreedomIntelligence\/Janus-4o-7B\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Holen Sie sich das ShareGPT-4o-Image-Modell<\/a><\/p>\n\n\n\n<p>Papier: <a href=\"https:\/\/arxiv.org\/pdf\/2506.18095\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">hier klicken<\/a><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Paper_Introduction\"><\/span>Einf\u00fchrung<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>J\u00fcngste Fortschritte bei multimodalen Generierungsmodellen haben eine realistische, anweisungsorientierte Bildgenerierung erm\u00f6glicht. F\u00fchrende Systeme wie GPT-4o-Image bleiben jedoch propriet\u00e4r und unzug\u00e4nglich.<\/p>\n\n\n\n<p>Um diese Funktionen der \u00d6ffentlichkeit zug\u00e4nglich zu machen, stellt das Papier ShareGPT-4o-Image vor, den ersten Datensatz mit 45.000 Text-zu-Bild- und 46.000 Text-plus-Bild-zu-Bild-Beispielen, die alle mithilfe der Bildgenerierungsfunktionen von GPT-4o synthetisiert wurden, um seine erweiterten Bildgenerierungsf\u00e4higkeiten zu verfeinern. Unter Verwendung dieses Datensatzes entwickelte das Papier Janus-4o, ein multimodales gro\u00dfes Sprachmodell, das Text-zu-Bild- und Text-plus-Bild-zu-Bild-Generierung erm\u00f6glicht.<\/p>\n\n\n\n<p>Janus-4o verbessert im Vergleich zu seinem Vorg\u00e4nger Janus-Pro nicht nur die M\u00f6glichkeiten zur Text-zu-Bild-Generierung erheblich, sondern f\u00fchrt auch M\u00f6glichkeiten zur Text-plus-Bild-zu-Bild-Generierung ein. Insbesondere erreicht es eine beeindruckende Leistung bei der Generierung von Bildern aus Text und Bildern von Grund auf mit nur 91.000 synthetischen Samples und einem 6-st\u00fcndigen Training auf einer 8\u00d7A800-GPU-Maschine.<\/p>\n\n\n\n<p>Wir hoffen, dass die Ver\u00f6ffentlichung von ShareGPT-4o-Image und Janus-4o die offene Forschung zur fotorealistischen, anweisungsorientierten Bilderzeugung f\u00f6rdern wird.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Method_Overview\"><\/span>Methoden\u00fcbersicht<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1028\" height=\"718\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/74bd55e5-5cc6-49e8-be21-cf5c4a66042d.png\" alt=\"\" class=\"wp-image-908\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/74bd55e5-5cc6-49e8-be21-cf5c4a66042d.png 1028w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/74bd55e5-5cc6-49e8-be21-cf5c4a66042d-300x210.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/74bd55e5-5cc6-49e8-be21-cf5c4a66042d-1024x715.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/74bd55e5-5cc6-49e8-be21-cf5c4a66042d-768x536.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/74bd55e5-5cc6-49e8-be21-cf5c4a66042d-18x12.png 18w\" sizes=\"auto, (max-width: 1028px) 100vw, 1028px\" \/><\/figure>\n\n\n\n<p><strong>ShareGPT-4o-Image verbessert die Leistung der Bildgenerierung.<\/strong> Durch die Feinabstimmung von Janus-Pro mit ShareGPT-4o-Image haben wir Janus-4o generiert, das eine deutlich verbesserte Bildgenerierungsleistung aufweist. Janus-4o unterst\u00fctzt auch die Text-zu-Bild- und Bild-zu-Bild-Generierung und \u00fcbertrifft andere Benchmarks mit nur 91.000 Trainingsbeispielen.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"370\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/fc3b163f-d1d2-42f5-81bc-884eb677ea52.png\" alt=\"\" class=\"wp-image-910\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/fc3b163f-d1d2-42f5-81bc-884eb677ea52.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/fc3b163f-d1d2-42f5-81bc-884eb677ea52-300x108.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/fc3b163f-d1d2-42f5-81bc-884eb677ea52-768x278.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/fc3b163f-d1d2-42f5-81bc-884eb677ea52-18x7.png 18w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p><strong>\u00dcbersicht \u00fcber das Janus-4o-Modell.<\/strong> Das Modell basiert auf Janus-Pro und wurde durch Feinabstimmung auf ShareGPT-4o-Image erstellt. Es enth\u00e4lt Verbesserungen zur Unterst\u00fctzung der Text-zu-Bild- und Bild-zu-Bild-Generierung. Sowohl Text-zu-Bild- als auch Text-zu-Bild-Aufgaben werden gemeinsam trainiert.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1058\" height=\"304\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/2b81408d-3c8b-45a8-ac73-ee0a48164c05.png\" alt=\"\" class=\"wp-image-909\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/2b81408d-3c8b-45a8-ac73-ee0a48164c05.png 1058w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/2b81408d-3c8b-45a8-ac73-ee0a48164c05-300x86.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/2b81408d-3c8b-45a8-ac73-ee0a48164c05-1024x294.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/2b81408d-3c8b-45a8-ac73-ee0a48164c05-768x221.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/2b81408d-3c8b-45a8-ac73-ee0a48164c05-18x5.png 18w\" sizes=\"auto, (max-width: 1058px) 100vw, 1058px\" \/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Experimental_Results\"><\/span>Experimentelle Ergebnisse<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1072\" height=\"1140\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/72720ada-7418-4979-a8fd-4ce09050d696.png\" alt=\"\" class=\"wp-image-907\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/72720ada-7418-4979-a8fd-4ce09050d696.png 1072w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/72720ada-7418-4979-a8fd-4ce09050d696-282x300.png 282w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/72720ada-7418-4979-a8fd-4ce09050d696-963x1024.png 963w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/72720ada-7418-4979-a8fd-4ce09050d696-768x817.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/07\/72720ada-7418-4979-a8fd-4ce09050d696-11x12.png 11w\" sizes=\"auto, (max-width: 1072px) 100vw, 1072px\" \/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Conclusions\"><\/span>Schlussfolgerungen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>ShareGPT-4o-Image ist der erste gro\u00df angelegte Datensatz, der die fortschrittlichen Bildgenerierungsfunktionen von GPT-4o in der Text-zu-Bild- und Text-zu-Bild-Generierung erfasst. Basierend auf diesem Datensatz entwickelte das Paper Janus-4o, ein maschinelles Lernmodell (MLLM), das hochwertige Bilder aus reinem Text oder Bild-Text-Kombinationen generieren kann.<\/p>\n\n\n\n<p>Janus-4o erzielt erhebliche Verbesserungen bei der Text-zu-Bild-Generierung und erzielt bei Text-zu-Bild-Aufgaben \u00e4u\u00dferst wettbewerbsf\u00e4hige Ergebnisse, was die hohe Qualit\u00e4t und Praktikabilit\u00e4t von ShareGPT-4o-Image demonstriert.<\/p>\n\n\n\n<p>Dank der Effizienz der selbstregressiven Bildgenerierung auf Basis von MLLM kann Janus-4o in nur 6 Stunden auf einer 8\u00d7A800-GPU-Maschine trainiert werden und erzielt erhebliche Leistungsverbesserungen bei extrem geringem Rechenaufwand.<\/p>","protected":false},"excerpt":{"rendered":"<p>ShareGPT-4o-Image ist ein umfangreicher, hochwertiger Bilddatensatz, bei dem alle Bilder mithilfe der Bildgenerierungsfunktionen von GPT-4o generiert werden. Dieser Datensatz vereint die Vorteile multimodaler Open-Source-Modelle mit den St\u00e4rken von GPT-4o bei der Erstellung visueller Inhalte. Er enth\u00e4lt 45.000 Text-zu-Bild- und 46.000 Bild-zu-Text-Beispiele und ist damit eine praktische Ressource zur Verbesserung multimodaler Modelle in der Bildverarbeitung.<\/p>","protected":false},"author":2,"featured_media":859,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-906","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/posts\/906","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/comments?post=906"}],"version-history":[{"count":1,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/posts\/906\/revisions"}],"predecessor-version":[{"id":912,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/posts\/906\/revisions\/912"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/media\/859"}],"wp:attachment":[{"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/media?parent=906"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/categories?post=906"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/janusai.pro\/de\/wp-json\/wp\/v2\/tags?post=906"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}