Датасет · KBlueLeaf
7,4 млн описаний аниме-артов от Florence-2
KBlueLeaf/danbooru2023-florence2-caption
Крупный корпус в формате parquet с детальными текстовыми описаниями изображений из Danbooru2023 для обучения генераторов картинок.
Что внутри
В датасете содержится 7 438 449 записей в формате parquet: к идентификаторам изображений из базы Danbooru2023 привязаны подробные описания на английском языке, сгенерированные моделью microsoft/Florence-2-large с тегом MORE_DETAILED_CAPTION. Длина описаний в среднем составляет около 108–120 токенов (в зависимости от токенизатора Flan T5, DFN CLIP или Qwen2). Самих файлов изображений внутри нет — только ID и текст.
Что можно сделать
- Обучение и дообучение text-to-image моделей и LoRA на понимание длинных описаний аниме-иллюстраций
- Тренировка image-to-text моделей для автоматического тегирования и описания артов
- Задачи
- Текст → картинка, Картинка → текст, Генерация текста
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 149
- Лайков
- 66
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("KBlueLeaf/danbooru2023-florence2-caption")