Датасет · X2FD
Визуальные инструкции LVIS от GPT-4V
X2FD/LVIS-Instruct4V
220 тыс. визуально выровненных инструкций по изображениям LVIS, созданных с помощью GPT-4V.
Что внутри
Датасет содержит 220 тыс. инструкций, привязанных к изображениям из LVIS: их сгенерировали, подавая картинки в GPT-4V. По метаданным модальность указана как text, а размер — от 100 тыс. до 1 млн записей. Формат хранения в карточке не описан.
Что можно сделать
- SFT vision-language модели на инструкциях по изображениям
- дообучение LoRA для визуального выравнивания
- оценка контекстного понимания картинок
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 195
- Лайков
- 85
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("X2FD/LVIS-Instruct4V")