Датасет•UCSC-VLAA/Recap-DataComp-1BИнтересное
Крупный image-text корпус DataComp-1B с улучшенными подписями от LLaVA-1.5-LLaMA3-8B.
- Zero-shot классификация
- Поиск по текстам
- Картинка → текст
15,2 тыс. 2131B–10B записей
Датасет•kakaobrain/coyo-700m
Крупный корпус пар alt-текст и изображение из HTML для обучения мультимодальных моделей.
- Текст → картинка
- Картинка → текст
- Zero-shot классификация
- Английский
4,9 тыс. 177100M–1B записей
Датасет•zzliang/GRIT
Крупный корпус пар изображение-текст, где фразы из подписи привязаны к соответствующим областям картинки.
- Текст → картинка
- Картинка → текст
- Детекция объектов
- Английский
2 тыс. 16910M–100M записей
Датасет•tomg-group-umd/pixelprose
Подробные синтетические описания 16,9 млн изображений для обучения и оценки vision-language моделей.
- Картинка → текст
- Текст → картинка
- Вопросы по картинкам
- Английский
747 18010M–100M записей