Датасет · guangyil
Очищенная эстетичная выборка из LAION-COCO
guangyil/laion-coco-aesthetic
8,56 млн отфильтрованных англоязычных пар «текст — картинка» из LAION-COCO с оценками эстетичности и вероятности водяных знаков.
Что внутри
Датасет представляет собой 10-процентную выборку из LAION-COCO на английском языке, насчитывающую 8 563 753 записи. Данные прошли фильтрацию: из текстов удалены ссылки и спецтокены, а изображения отобраны по разрешению (больше 384x384), оценке эстетичности (выше 4.75) и вероятности водяного знака (ниже 0.5), причем сами эти метрики сохранены в таблице.
Что можно сделать
- Обучение и дообучение моделей генерации изображений по тексту (text-to-image) с упором на эстетику
- Тренировка моделей описания изображений (image-to-text)
- Обучение классификаторов для оценки визуальной привлекательности и поиска водяных знаков
- Задачи
- Картинка → текст, Текст → картинка
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 321
- Лайков
- 43
Как загрузить
from datasets import load_dataset
ds = load_dataset("guangyil/laion-coco-aesthetic")