Датасет · Salesforce
218 млн пар картинок и подробных описаний от Salesforce
Salesforce/blip3-kale
Крупный открытый датасет из 218 млн изображений с развёрнутыми описаниями, дополненными фактами из веба.
Что внутри
Открытый датасет от Salesforce включает 218 миллионов пар «изображение — текст» (в метаданных указан диапазон от 100M до 1B и модальности image, text, tabular). Описания на английском языке представляют собой подробные текстовые аннотации (dense captions), обогащённые фактическими знаниями из веб-источников. Набор создан для исследований в области мультимодального претрейна.
Что можно сделать
- Мультимодальный претрейн крупных vision-language моделей (VLM)
- Обучение систем генерации подробных и фактологически точных описаний изображений
- Дообучение моделей для задач image-to-text с опорой на внешние знания
- Задачи
- Картинка → текст
- Языки
- Английский
- Размер
- 100M–1B записей
- Скачиваний за месяц
- 2,9 тыс.
- Лайков
- 48
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("Salesforce/blip3-kale")