К содержимому

Датасет · CaptionEmporium

57,3 млн мультимодельных описаний к базе Megalith-10m

CaptionEmporium/flickr-megalith-10m-internvl2-multi-caption

Огромный корпус из 57,3 млн коротких и длинных подписей на английском к 10 млн картинок из Flickr от разных VLM-моделей.

Что внутри

Внутри собрано около 57,3 миллиона синтетических текстовых описаний на английском языке для изображений из набора madebyollin/megalith-10m (размер репозитория от 1 до 10 млн строк в табличном и текстовом форматах). Для каждой картинки сгенерированы длинные и короткие подписи сразу несколькими моделями: InternVL2 8B, Florence2 и ShareCaptioner.

Что можно сделать

  • Обучение и дообучение text-to-image генераторов и LoRA на детализированных подписях
  • Тренировка моделей генерации описаний к изображениям (image-to-text)
Задачи
Текст → картинка, Картинка → текст, Другое
Языки
Английский
Размер
1M–10M записей
Скачиваний за месяц
560
Лайков
33

Как загрузить

from datasets import load_dataset

ds = load_dataset("CaptionEmporium/flickr-megalith-10m-internvl2-multi-caption")