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
- KBlueLeaf/TIPO-500M-ftГенерация текста 18,6 тыс.
- KBlueLeaf/TIPO-200M-ft2Генерация текста 8,3 тыс.
- KBlueLeaf/TIPO-500MГенерация текста 7,2 тыс.
- KBlueLeaf/TIPO-200MГенерация текста 5 тыс.
- KBlueLeaf/TIPO-100MГенерация текста 2 тыс.
- KBlueLeaf/TIPO-200M-ftГенерация текста 656
- QuantFactory/TIPO-500M-GGUFГенерация текста 634
- mradermacher/TIPO-500M-ft-i1-GGUF 583
Как загрузить
from datasets import load_dataset
ds = load_dataset("graph-based-captions/GBC10M")