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")