数据来源：
- 📷 2,215 条多模态摄影数据（图文对）(https://huggingface.co/datasets/Mrzhang666/custom-photography-multimodal )
- 📝 2,061 条纯文本摄影知识数据
目标：让模型按照目标格式回答问题，增强模型在摄影语境下的图文联合理解与生成能力。

2️⃣ Direct Preference Optimization (DPO)

数据来源：
- 我们使用同样的方式微调了参数量更大的 Qwen2.5-VL-7B-Instruct，从 SFT 数据集中抽取一些问题作为 prompt 数据集，分别调用 Qwen2.5-VL-7B-Instruct 和 Qwen2.5-VL-3B-Instruct 对问题输出 3 个回答，并从以下三个维度进行排序分析：
  1. 回答格式：是否结构清晰、条理分明，是否包含完整的五个模块（场景分析、题材分析、构图建议、参数设置、人物动作指导）。
  2. 参数推荐的准确性：各类拍摄参数（如光圈、快门、iso等）是否合理匹配对应题材与场景，是否体现出模型的摄影理解能力。
  3. 人物动作指导的详细程度：是否提供了具体可执行的动作描述，是否能对人物姿态、面部朝向、情绪表达等提供清晰指导。
目标：进一步提升模型输出的推荐参数的准确性，并增强其在人物动作指导等细节方面的生成质量。
注：我们只对Qwen2.5-VL-3B-sft进行了DPO训练

📊 Dataset Details

📷 Multimodal Photography Data

通过爬虫技术从各大短视频平台采集，提取视频中的图文信息。
提升模型对视觉内容的理解能力，使其能根据不同拍摄场景提供具体、实用的摄影建议。

📝 Textual Photography Data

精选自大量专业摄影书籍，涵盖摄影理论、构图技巧、光线控制等内容。
强化模型的语言表达能力和摄影知识储备，使其在纯文本问答中表现更佳。

🌟 Key Features

📸 图文理解能力强：支持多模态输入，擅长图像分析与文字生成
📝 摄影专业性高：输出内容涵盖场景分析、题材选择、构图建议、参数设置、人物动作指导等多个维度
🎨 创意生成优化：支持生成生图模型提示词，可直接解析使用。

💡 Examples

输入示例（文本）：

输入内容

文本:慢门是什么？

输出示例：

##慢门定义## 慢门是一种摄影技术，通过降低快门速度（通常小于1/30秒）来拍摄动态画面。其核心原理是让相机在较长时间内连续曝光，使相邻帧的动态元素产生模糊效果。

##拍摄原理## 当快门速度低于1/30秒时，传感器会持续接收到微弱的光线信号。由于曝光时间过长，快速移动的景物会在同一帧中出现重叠，从而形成流畅的动态模糊效果。这种技术能有效表现运动物体的轨迹和空间层次感。

##典型应用场景##

运动拍摄：捕捉快速移动的物体（如奔跑、跳跃）时，慢门可使其变形为线条或斑点状
水流效果：表现水花、瀑布等流动介质的模糊纹理
光轨制作：利用低速快门记录灯光轨迹（如车灯、霓虹灯）
延时摄影：通过多张慢门照片拼接形成动态序列

##注意事项##

必须使用三脚架确保稳定性
需配合稳定器或手持支撑物避免抖动
选择光线均匀的环境以减少曝光不均
长曝光可能导致噪点增加，需注意画质
高速快门仍可保留部分细节，两者可灵活搭配

##进阶技巧##

尝试不同快门速度（1/15秒至数秒）创造不同动感效果
结合广角镜头扩大视野范围
使用ND滤镜控制进光量
后期可通过软件强化模糊效果

慢门摄影是创意摄影中的重要手法，能赋予普通场景独特的艺术表现力。

输入示例（多模态）：

输入内容：

图像:
示例

文本: 如何运用框架构图法拍摄古镇牌坊与街景的人文纪实照片？

输出示例：

##场景分析## 该场景包含三个典型拍摄层次：1)主体牌坊作为视觉焦点，具有传统建筑的飞檐翘角和对称结构；2)街道作为引导线，延伸至牌坊形成纵深感；3)行人/游客作为动态元素为画面注入生命力。最佳拍摄时间为晴朗的上午9-11点或下午3-5点，此时阳光角度能产生立体光影，同时云层变化可创造丰富天光效果。

##题材分析## 这是典型的建筑人文纪实题材，需同时兼顾：

建筑特征：强调牌坊的结构美感（如飞檐、斗拱）
人文元素：捕捉游人的自然状态（如驻足观赏、交谈互动）
环境氛围：通过人群动线展现古镇生活气息

##构图建议##

框架式构图进阶：
- 使用牌坊门洞/台阶栏杆作为天然画框（建议占画面1/4面积）
- 将主体牌坊置于画框三分线交点位置
- 保留部分天空形成背景层次
引导线构图强化纵深：
- 利用街道石板路形成S型曲线
- 让牌坊位于画面1/3处，两端留出行人空间
- 通过前景小树制造视觉锚点
动态平衡：
- 预留1/3画面给移动人群
- 采用慢门(1/15s-1/30s)虚化行人增加动感
- 选择行走方向与主光轴呈30度夹角
多景别组合：
- 广角(24mm)拍摄整体环境
- 中焦(50mm)捕捉人像特写
- 长焦(85mm)压缩空间突出细节

##参数设置## 推荐相机设置：

光圈：f/8-f/11（保证景深）
快门：1/200s以上（定格行人动作）
ISO：100-400（晴天基础值）
白平衡：日光模式（5200K左右）
对焦模式：单次AF+眼部追焦

手机拍摄建议：

使用专业模式手动对焦
开启HDR功能平衡光比
手动锁定曝光在牌坊亮部

##人物动作指导##

自然状态捕捉：
- 等待行人经过牌坊时连拍
- 捕捉老人讲解的姿态
- 记录儿童攀爬栏杆的瞬间
互动引导：
- 让被摄者站在牌坊前仰头看建筑
- 指导游客在牌坊下休息回眸
- 捕捉两人对话的背影
情绪表达：
- 等待人物抬头看牌匾的瞬间
- 拍摄游客整理行囊的自然动作
- 记录摊贩与顾客的交流
光影利用：
- 侧逆光拍摄行人剪影
- 逆光勾勒人物轮廓
- 利用牌坊阴影制造明暗对比

##提示词1## 古镇牌坊全景，飞檐翘角，对称结构，阳光斜照，远处有游客驻足观看

##提示词2## 石板街道延伸至牌坊，行人自然走动，两侧绿植点缀，傍晚暖光

##提示词3## 牌坊下长椅上老人背靠栏杆闭目养神，神情安详，周围零星游客往来

🎯 Potential Use Cases

📷 摄影辅助：实时分析照片质量，提供拍摄建议
🎓 教学工具：帮助用户理解摄影概念、解答技巧问题

🚫 Limitations

训练集规模较小，模型再某些摄影场景下的表现可能不尽人意
建议结合实际应用持续补充数据并迭代优化模型效果

Mrzhang666/Zeiss_Intelligence

📘 Overview

🏋️‍♂️ Training Approach

1️⃣ Supervised Fine-Tuning (SFT)

2️⃣ Direct Preference Optimization (DPO)

📊 Dataset Details

📷 Multimodal Photography Data

📝 Textual Photography Data

🌟 Key Features

💡 Examples

输入示例（文本）：

输入内容

输出示例：

输入示例（多模态）：

输入内容：

输出示例：

🎯 Potential Use Cases

🚫 Limitations

Mrzhang666/
Zeiss_Intelligence