Датасет · HuggingFaceM4
Крупный корпус для обучения открытых VLM
HuggingFaceM4/FineVision
17,3 млн изображений, 24,3 млн примеров и 88,9 млн реплик для тренировки современных открытых vision-language моделей.
Что внутри
FineVision — большая коллекция image-text данных: 17,3 млн изображений, 24,3 млн примеров, 88,9 млн реплик и 9,5 млрд токенов ответов. Собрана для обучения state-of-the-art открытых Vision-Language-Models. Загрузка идёт через datasets с выбором сабсетов; подробности — в блоге HuggingFaceM4.
Что можно сделать
- Предобучение и fine-tuning открытых VLM
- Обучение мультимодальных ассистентов
- Оценка модели на диалогах с изображениями
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 134,6 тыс.
- Лайков
- 543
Модели, обученные на нём
- kyutai/CASA-Qwen2_5-VL-3BКартинка + текст 9,2 тыс.
- lmms-lab/LLaVA-OneVision-1.5-8B-InstructКартинка + текст 4,6 тыс.
- lmms-lab/LLaVA-OneVision-1.5-4B-InstructКартинка + текст 909
- athrael-soju/UltraVBERTvisual document retrieval 357
- llm-jp/llm-jp-4-vl-9b-betaЭмбеддинги 298
- nc-ai-consortium/VAETKI-VL-7B-A1BКартинка + текст 251
- kyutai/CASA-Helium1-VL-2BКартинка + текст 130
- kyutai/Helium1-VL-2BКартинка + текст 99
Как загрузить
from datasets import load_dataset
ds = load_dataset("HuggingFaceM4/FineVision")