К содержимому

Датасет · graph-based-captions

Графовые описания 10 миллионов изображений

graph-based-captions/GBC10M

Крупный датасет англоязычных графовых аннотаций к картинкам из CC12M для мультимодальных моделей.

Что внутри

Датасет содержит от 10 до 100 миллионов записей в формате «изображение — текст», созданных на базе картинок из коллекции CC12M. Аннотации выполнены в парадигме графового описания (GBC) на английском языке: они связывают подписи отдельных регионов изображения в единый подробный текст, сохраняя при этом структуру графа сцены.

Что можно сделать

  • Обучение VLM (vision-language моделей) точному и детальному описанию изображений
  • Тренировка моделей понимания пространственных связей между объектами на фото
Задачи
Картинка → текст
Языки
Английский
Размер
10M–100M записей
Скачиваний за месяц
746
Лайков
36

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("graph-based-captions/GBC10M")