Датасет · fondant-ai
25 млн ссылок на изображения с лицензиями Creative Commons
fondant-ai/fondant-cc-25m
Крупная коллекция из 25 миллионов URL-адресов картинок из Common Crawl с разметкой лицензий для генерации изображений.
Что внутри
Внутри находятся 25 миллионов ссылок на изображения с информацией об их лицензиях Creative Commons. Данные собраны из веб-архива Common Crawl с помощью открытого фреймворка Fondant. Датасет рассчитан на задачи генерации изображений по тексту (text-to-image).
Что можно сделать
- Сбор легального обучающего корпуса для диффузионных моделей и генераторов картинок
- Фильтрация веб-данных по типам лицензий Creative Commons
- Задачи
- Текст → картинка
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 1,9 тыс.
- Лайков
- 55
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("fondant-ai/fondant-cc-25m")