К содержимому

Датасет · Vi-VLM

700 тысяч примеров для VLM на вьетнамском языке

Vi-VLM/Vista

Крупный открытый мультимодальный датасет для обучения моделей ответам на вопросы по изображениям на вьетнамском языке.

Что внутри

Внутри собрано более 700 000 пар изображение-текст на вьетнамском языке для задачи visual-question-answering. Данные сгенерированы с помощью Gemini Pro на основе наборов COCO (по промптам в стиле LLaVA) и ShareGPT4V (через перевод). В метаданных указаны модальности image, tabular и text.

Что можно сделать

  • Обучение и дообучение мультимодальных моделей (VLM) для работы с вьетнамским языком
  • Тренировка систем визуальных вопросов и ответов (VQA)
  • Кросс-лингвальная адаптация англоязычных VLM-пайплайнов
Задачи
Вопросы по картинкам
Языки
Вьетнамский
Размер
100K–1M записей
Скачиваний за месяц
347
Лайков
45

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("Vi-VLM/Vista")