К содержимому

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")