Датасет · Spawning
PD12M: 12,4 млн пар изображение-текст
Spawning/PD12M
Крупнейший публичный public domain датасет пар изображение-текст для обучения foundation-моделей.
Что внутри
12,4 млн пар «изображение — подпись» на английском. Это крупнейший публичный public domain датасет такого типа по данным карточки; его размера хватает для обучения foundation-моделей при минимизации проблем с авторскими правами. Собран через платформу Source.Plus с общественным управлением датасетом, направленным на снижение вреда и воспроизводимость.
Что можно сделать
- Обучение мультимодальной модели
- LoRA для image captioning
- Оценка качества пар изображение-текст
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 6,2 тыс.
- Лайков
- 197
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("Spawning/PD12M")