场景理解

Subjects200K 是 OmniControl 项目引入的大规模数据集，包含 20 万对图像。每个样本包括主体描述、左右 512x512 图像、对应的文本描述以及合并的 1024x512 图像。该数据集旨在提供一致的图像主体和变化的场景背景，用于训练和评估图像生成模型，增强场景理解和背景变化能力，以及开发图像文本对齐算法等研究。