150k数据反超Qwen-2509！支持10图输入，MICo-150k刷新多图融合SOTA

背景：随着图像生成模型的快速发展，多图融合（Multi-Image Composition, MICo）任务因能整合多张图像的语义信息而备受关注，但开源模型在此任务上表现不佳，部分原因是缺乏高质量的开源数据集。研究目的：为了突破数据质量与多样性的瓶颈，研究团队构建了MICo-150K数据集，并基于此训练了Qwen-MICo模型，旨在提升多图融合任务的性能。结论：MICo-150K数据集包含超过15万个高质量样本，支持7种子任务和27个组合类型，显著提升了多种模型的多图融合能力。基于该数据集训练的Qwen-MICo模型在三图像合成任务上超越了数据量更大的Qwen-Image-2509，且支持任意数量图像的输入。论文还推出了MICo-Bench基准套件和Weighted-Ref-VIEScore评估指标，以促进该领域的开放生态。