Датасет · liuhaotian
Изображения CC3M для претрейна LLaVA
liuhaotian/LLaVA-CC3M-Pretrain-595K
595K пар изображение-текст из CC3M для выравнивания признаков при обучении мультимодальных моделей.
Что внутри
Это подмножество CC-3M из 595 тыс. пар изображений и подписей, отфильтрованное для более сбалансированного покрытия концептов. У подписей есть синтетические варианты от BLIP для справки. Данные на английском, предназначены для этапа претрейна и выравнивания признаков в visual instruction tuning. Формат — изображения с текстовыми подписями.
Что можно сделать
- Претрейн LLaVA-подобной мультимодальной модели
- Обучение проектора для выравнивания vision и language
- Проверка качества image-text пар и подписей BLIP
- Языки
- Английский
- Скачиваний за месяц
- 805
- Лайков
- 190
Модели, обученные на нём
- mradermacher/Nanbeige4.1-VLM-GGUFКартинка + текст 174
- qresearch/llama-3.1-8B-vision-378Картинка + текст 170
- rp-yu/Dimple-7BКартинка + текст 105
- qihoo360/Inner-Adaptor-ArchitectureКартинка + текст 89
- qihoo360/360VL-8BВопросы по картинкам 88
- qresearch/llama-3-vision-alpha-hfКартинка + текст 85
- ytu-ce-cosmos/Turkish-LLaVA-v0.1Картинка + текст 70
- qihoo360/360VL-70BВопросы по картинкам 61
Как загрузить
from datasets import load_dataset
ds = load_dataset("liuhaotian/LLaVA-CC3M-Pretrain-595K")