Photoroom 详解 PRX 模型数据策略：VLM 重描述与 Lance/MDS 管线
Photoroom 发布 PRX 系列第四篇技术博客，详细披露其 7B 扩散模型的数据处理策略。团队采用“Lance 用于构建、MDS 用于流式训练”的双格式架构，并使用 Qwen3-VL-8B 对所有图像进行长文本重新描述以提升生成质量。文章还分享了通过感知哈希去重、基于 Caption 分类过滤以及 JPEG 高质量存储（Quality 92）的工程权衡与实测数据。
推荐理由：Photoroom 公开了 PRX 模型从 Lance 构建到 MDS 流式训练的完整数据管线，包含 VLM 重描述与去重等工程细节。