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
750K CT/MRI-снимков и 7,5M сгенерированных VQA-примеров с экспертными аннотациями для обучения и бенчмарка.
10 013 изображений стройплощадок с аннотациями для проверки понимания сцен vision-language моделями.
123 тыс. самых сложных image-text примеров из MMFineReason, на которых Qwen3-VL-4B-Thinking стабильно ошибается.
Крупный англоязычный видео-датасет с временными сегментами действий и текстовыми описаниями.
Изображения блюд с метаданными для распознавания еды, классификации и нутриционного анализа.
Пары изображений математических формул с LaTeX-кодом для обучения и проверки OCR.
Подробные синтетические описания 16,9 млн изображений для обучения и оценки vision-language моделей.
Крупный мультимодальный датасет для понимания научных изображений: картинки и тексты, задача image-to-text.
160 успешных траекторий агента Gemini на задачах OSWorld с шагами и оценкой 1.0.
Крупный набор пар изображение—LaTeX для распознавания математических формул.
SQLite-база тегов и постов Danbooru2023 с последним ID 7 866 491 для генеративных моделей.
Крупный англоязычный датасет изображений лиц с описаниями для подписей и генерации.
Около 300 тыс. обучающих и 5 тыс. тестовых вопросов для понимания длинных видео.
Данные image-to-text для распознавания вьетнамского рукописного текста; карточка обещает более полную версию.
1,7 млн пар промптов и изображений Midjourney v5 за апрель 2023 года в очищенной неофициальной выгрузке.