Датасет · google
Изображения с описаниями DOCCI
google/docci
Изображения с подробными ручными описаниями и парами похожих кадров для оценки vision-моделей.
Что внутри
Коллекция изображений с подробными описаниями ключевых элементов, фона, освещения и сцен. Описания размечены вручную и должны отличать каждое изображение от похожих. В набор входят связанные изображения с ключевыми различиями; язык описаний — английский.
Что можно сделать
- Оценка text-to-image моделей на точность деталей
- Обучение image-to-text моделей подробным описаниям
- Бенчмарк различий между похожими изображениями
- Задачи
- Текст → картинка, Картинка → текст
- Языки
- Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 1,1 тыс.
- Лайков
- 82
Модели, обученные на нём
- gokaygokay/Florence-2-SD3-CaptionerКартинка + текст 3,5 тыс.
- gokaygokay/sd3-long-captioner-v2Картинка + текст 99
- gokaygokay/sd3-long-captionerКартинка + текст 73
- fal/moondream2-docci-instructКартинка + текст 38
- gokaygokay/paligemma-rich-captionsКартинка + текст 14
- John6666/gokaygokay-Florence-2-SD3-Captioner-8bitКартинка + текст 12
- gokaygokay/paligemma-docci-transformersКартинка + текст 11
- qresearch/doubutsu-2b-lora-756-docciКартинка + текст 10
Как загрузить
from datasets import load_dataset
ds = load_dataset("google/docci")