Датасеты с Hugging Face с описанием на русском: что внутри и какие модели на них обучить. В каталоге уже 1 085, новые добавляются каждый час.
Отвечает DeepSeek · переписка хранится только в этой вкладке
15 млн пар «изображение — текст» на английском для обучения и проверки открытых мультимодальных моделей.
4.8M мультимодальных GPT4-Vision-описаний видео для LVLM и text-to-video моделей.
Крупный набор синтетических персон по реальным демографическим распределениям Кореи.
Аудио ASMR на японском с изображениями для распознавания речи и синтеза; обновления приостановлены.
262K синтетических пар запрос-ответ: вредные и похожие безвредные запросы для обучения безопасности.
Бенчмарк из 700+ реальных изображений с вопросами и проверяемыми ответами для мультимодальных моделей.
Негативный эмбеддинг для Stable Diffusion WebUI, обученный с Counterfeit; это файл эмбеддинга, а не корпус данных.
Крупнейший публичный public domain датасет пар изображение-текст для обучения foundation-моделей.
Textual Inversion-эмбеддинг для негативного промпта в Stable Diffusion.
Пары вопрос-ответ к медицинским изображениям из MedPix для обучения и тестирования VQA.
Крупный корпус пар alt-текст и изображение из HTML для обучения мультимодальных моделей.
Подвыборка LAION/CC/SBU с балансом концептов и синтетическими подписями BLIP для претрейна LLaVA.
1,8 млн пар вопрос-ответ по графикам с Chain-of-Thought аннотациями для обучения VLM.
Крупный набор синтетических персон на японском по демографии, географии и чертам личности.
25M+ медицинских изображений в 10 модальностях с мультимодальными аннотациями по 65 болезням.
Табличные, текстовые и графические данные о 148 909 опубликованных играх Steam для классификации.
Миллион+ AI-изображений с подробными английскими подписями для генерации и описания картинок.
Изображения с подписями и сложными вопросами-ответами на английском для обучения мультимодальных моделей.
Курируемый набор для честной и эффективной оценки vision-language моделей.
1,8 млн мультимодальных примеров с подробными рассуждениями, дистиллированными из Qwen3-VL-235B-Thinking.
Изображения и текст на английском для обучения и проверки доверенных мультимодальных моделей через RLAIF.
Крупный набор медицинских пар изображение-вопрос-ответ из PubMed на английском.
Крупный корпус пар изображение-текст, где фразы из подписи привязаны к соответствующим областям картинки.
Небольшая выборка пар изображение–LaTeX для обучения OCR математических формул.