ImageInWords (IIW) 是一個由人類參與的循環註釋框架，用於策劃超詳細的圖像描述，並生成一個新的數據集。該數據集通過評估自動化和人類並行（SxS）指標來實現最先進的結果。IIW 數據集在生成描述時，比以往的數據集和GPT-4V輸出在多個維度上有了顯著提升，包括可讀性、全面性、特異性、幻覺和人類相似度。此外，使用IIW數據微調的模型在文本到圖像生成和視覺語言推理方面表現出色，能夠生成更接近原始圖像的描述。