К содержимому

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")