{"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\/pt\/janus-4o-sharegpt-4o-image\/","title":{"rendered":"A nova estrela da gera\u00e7\u00e3o de imagens multimodais: Janus-4o? O ShareGPT-4o-Image define um novo padr\u00e3o para conjuntos de dados, alinhando a gera\u00e7\u00e3o de imagens com o GPT-4o."},"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\">CompartilharGPT-4o-Imagem<\/a> \u00e9 um conjunto de dados de gera\u00e7\u00e3o de imagens de alta qualidade e grande escala, onde todas as imagens s\u00e3o geradas usando os recursos de gera\u00e7\u00e3o de imagens do GPT-4o.<\/p>\n\n\n\n<p>Este conjunto de dados visa combinar as vantagens dos modelos multimodais de c\u00f3digo aberto com os pontos fortes do GPT-4o na cria\u00e7\u00e3o de conte\u00fado visual. <\/p>\n\n\n\n<p>Inclui 45.000 amostras de texto para imagem e 46.000 amostras de imagem para texto, tornando-se um recurso pr\u00e1tico para aprimorar modelos multimodais em tarefas de gera\u00e7\u00e3o e edi\u00e7\u00e3o de imagens.<\/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>O Janus-4o \u00e9 um LLM multimodal capaz de gerar texto para imagem e texto + imagem para imagem. Baseia-se no Janus-Pro e foi aprimorado com o conjunto de dados ShareGPT-4o-Image. Comparado ao Janus-Pro, o Janus-4o introduz recursos de gera\u00e7\u00e3o de texto + imagem para imagem e alcan\u00e7a melhorias significativas na gera\u00e7\u00e3o de texto para imagem.<\/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\">\u00cdndice<\/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=\"Alternar tabela de conte\u00fado\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/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\/pt\/janus-4o-sharegpt-4o-image\/#Dataset_Overview\" >Vis\u00e3o geral do conjunto de dados<\/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\/pt\/janus-4o-sharegpt-4o-image\/#Related_Links\" >Links relacionados<\/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\/pt\/janus-4o-sharegpt-4o-image\/#Paper_Introduction\" >Introdu\u00e7\u00e3o ao artigo<\/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\/pt\/janus-4o-sharegpt-4o-image\/#Method_Overview\" >Vis\u00e3o geral do m\u00e9todo<\/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\/pt\/janus-4o-sharegpt-4o-image\/#Experimental_Results\" >Resultados experimentais<\/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\/pt\/janus-4o-sharegpt-4o-image\/#Conclusions\" >Conclus\u00f5es<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Dataset_Overview\"><\/span>Vis\u00e3o geral do conjunto de dados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>O conjunto de dados ShareGPT-4o-Image cont\u00e9m 91.000 amostras de gera\u00e7\u00e3o de imagens GPT-4o, categorizadas da seguinte forma:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Texto para imagem: 45.717<\/li>\n\n\n\n<li>Texto mais imagem para imagem: 46.539<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Related_Links\"><\/span>Links relacionados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>C\u00f3digo: <a href=\"https:\/\/github.com\/FreedomIntelligence\/ShareGPT-4o-Image\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">github clique aqui<\/a><\/p>\n\n\n\n<p>Modelo: <a href=\"https:\/\/huggingface.co\/FreedomIntelligence\/Janus-4o-7B\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">obtenha o modelo ShareGPT-4o-Image<\/a><\/p>\n\n\n\n<p>Papel: <a href=\"https:\/\/arxiv.org\/pdf\/2506.18095\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">clique aqui<\/a><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Paper_Introduction\"><\/span>Introdu\u00e7\u00e3o ao artigo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Avan\u00e7os recentes em modelos de gera\u00e7\u00e3o multimodal possibilitaram a gera\u00e7\u00e3o de imagens realistas e alinhadas \u00e0s instru\u00e7\u00f5es. No entanto, sistemas l\u00edderes como o GPT-4o-Image permanecem propriet\u00e1rios e inacess\u00edveis.<\/p>\n\n\n\n<p>Para tornar esses recursos acess\u00edveis ao p\u00fablico, o artigo apresenta o ShareGPT-4o-Image, o primeiro conjunto de dados contendo 45.000 exemplos de texto para imagem e 46.000 exemplos de texto mais imagem para imagem, todos sintetizados usando os recursos de gera\u00e7\u00e3o de imagens do GPT-4o para refinar suas habilidades avan\u00e7adas de gera\u00e7\u00e3o de imagens. Usando esse conjunto de dados, o artigo desenvolveu o Janus-4o, um modelo de linguagem grande multimodal capaz de gerar texto para imagem e texto mais imagem para imagem.<\/p>\n\n\n\n<p>O Janus-4o n\u00e3o apenas melhora significativamente as capacidades de gera\u00e7\u00e3o de texto para imagem em rela\u00e7\u00e3o ao seu antecessor Janus-Pro, mas tamb\u00e9m introduz capacidades de gera\u00e7\u00e3o de texto mais imagem para imagem. Notavelmente, ele atinge um desempenho impressionante na gera\u00e7\u00e3o de imagens a partir de texto e imagens do zero usando apenas 91 mil amostras sint\u00e9ticas e treinadas por 6 horas em uma m\u00e1quina com GPU 8\u00d7A800.<\/p>\n\n\n\n<p>Esperamos que o lan\u00e7amento do ShareGPT-4o-Image e do Janus-4o promova pesquisas abertas na gera\u00e7\u00e3o de imagens fotorrealistas e alinhadas \u00e0s instru\u00e7\u00f5es.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Method_Overview\"><\/span>Vis\u00e3o geral do m\u00e9todo<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>O ShareGPT-4o-Image melhora o desempenho da gera\u00e7\u00e3o de imagens.<\/strong> Ao ajustar o Janus-Pro com o ShareGPT-4o-Image, geramos o Janus-4o, que demonstra um desempenho significativamente melhorado na gera\u00e7\u00e3o de imagens. O Janus-4o tamb\u00e9m suporta gera\u00e7\u00e3o de texto para imagem e imagem para imagem, superando outros benchmarks com apenas 91.000 amostras de treinamento.<\/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>Vis\u00e3o geral do modelo Janus-4o.<\/strong> O modelo \u00e9 baseado no Janus-Pro e constru\u00eddo por meio de ajustes finos no ShareGPT-4o-Image. Ele incorpora melhorias para suportar a gera\u00e7\u00e3o de texto para imagem e imagem para imagem. Tanto as tarefas de texto para imagem quanto as de texto para imagem s\u00e3o treinadas em conjunto.<\/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>Resultados experimentais<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>Conclus\u00f5es<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>O ShareGPT-4o-Image \u00e9 o primeiro conjunto de dados em larga escala capaz de capturar os recursos avan\u00e7ados de gera\u00e7\u00e3o de imagens do GPT-4o em convers\u00e3o de texto para imagem e convers\u00e3o de texto para imagem. Com base nesse conjunto de dados, o artigo desenvolveu o Janus-4o, um modelo de aprendizado de m\u00e1quina (MLLM) capaz de gerar imagens de alta qualidade a partir de texto puro ou de combina\u00e7\u00f5es de imagem e texto.<\/p>\n\n\n\n<p>O Janus-4o alcan\u00e7a melhorias significativas na gera\u00e7\u00e3o de texto para imagem e atinge resultados altamente competitivos em tarefas de texto para imagem, demonstrando a alta qualidade e praticidade do ShareGPT-4o-Image.<\/p>\n\n\n\n<p>Gra\u00e7as \u00e0 efici\u00eancia da gera\u00e7\u00e3o de imagens autorregressivas baseada em MLLM, o Janus-4o pode ser treinado em apenas 6 horas em uma m\u00e1quina com GPU 8\u00d7A800 e obt\u00e9m melhorias significativas de desempenho com requisitos computacionais extremamente baixos.<\/p>","protected":false},"excerpt":{"rendered":"<p>O ShareGPT-4o-Image \u00e9 um conjunto de dados de gera\u00e7\u00e3o de imagens em larga escala e alta qualidade, onde todas as imagens s\u00e3o geradas utilizando os recursos de gera\u00e7\u00e3o de imagens do GPT-4o. Este conjunto de dados visa combinar as vantagens dos modelos multimodais de c\u00f3digo aberto com os pontos fortes do GPT-4o na cria\u00e7\u00e3o de conte\u00fado visual. Inclui 45.000 amostras de texto para imagem e 46.000 amostras de imagem para texto, tornando-se um recurso pr\u00e1tico para aprimorar modelos multimodais em imagens\u2026<\/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\/pt\/wp-json\/wp\/v2\/posts\/906","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/comments?post=906"}],"version-history":[{"count":1,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts\/906\/revisions"}],"predecessor-version":[{"id":912,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts\/906\/revisions\/912"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/media\/859"}],"wp:attachment":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/media?parent=906"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/categories?post=906"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/tags?post=906"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}