Датасет · nlphuji
Изображения Flickr с текстовыми описаниями
nlphuji/flickr30k
Пары «изображение — текстовое описание» для обучения и оценки моделей связи картинок и текста.
Что внутри
Датасет содержит изображения и текстовые описания к ним; размер — от 10 до 100 тыс. примеров. Это Flickr30k, описанный в статье Young et al. 2014; карточка ссылается на проект Visual Denotations. Язык описаний в метаданных не указан.
Что можно сделать
- Обучить CLIP-подобную модель сопоставления изображений и текста
- Дообучить LoRA для image captioning
- Проверить retrieval-систему на Flickr30k
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 16,9 тыс.
- Лайков
- 118
Модели, обученные на нём
- jeffcookio/Mistral-Small-3.2-24B-Instruct-2506-awq-sym 6 тыс.
- OpenGVLab/InternVL-14B-Flickr30K-FT-364pxЭмбеддинги 50
- PhucTG2k5P/css 27
- mmr94000/Mistral-Small-3.2-24B-Instruct-2506-awq-sym 24
- Rardilit/Ciffusion_v0.1Текст → картинка 21
- phuoc60648/sas 18
- phuoc60648/xxx 16
- yapwithai/jeffcookio-mistral-small-3.2-24B-instruct-2506-awq-sym 15
Как загрузить
from datasets import load_dataset
ds = load_dataset("nlphuji/flickr30k")