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
- 5CD-AI/Vintern-1B-v2Картинка + текст 457
- tuanio/ft-llavaqwen1.5-1.8b-complex_reasoning-mergedГенерация текста 22
- tuanio/moe-llava-qwen1.5-0.5b-vista_reasoning-2ep 22
- tuanio/moe-llava-qwen1.5-0.5b-vista_reason_conv-1ep 16
- tt1225/Vintern-1B-v2-CustomВопросы по картинкам 12
- tuanio/ft-llava-qwen1.5-0.5b-vista_llava-2ep 10
- Vi-VLM/Vistral-V-7BГенерация текста 8
- tuanio/ft-moellava-qwen1.5-1.8b-vista-lora-2epКлассификация текста 4
Как загрузить
from datasets import load_dataset
ds = load_dataset("Vi-VLM/Vista")