Датасет · sensenova
Мультимодальный корпус изображений и текстов для понимания сцен
sensenova/SenseNova-Vision-Corpus-50M
Масштабный набор изображений и текстов на английском для единого обучения мультимодальных моделей.
Что внутри
Датасет создан авторами статьи Vision as Unified Multimodal Generation и включает изображения и тексты на английском языке. Несмотря на упоминание 50 миллионов примеров в названии и описании корпуса, в метаданных репозитория указан размер менее 1000 записей. Данные собраны для обучения моделей задачам визуального понимания и работы с геометрией.
Что можно сделать
- Обучение и дообучение мультимодальных моделей класса any-to-any
- Улучшение понимания геометрии и пространственных связей на изображениях
- Эксперименты с унифицированной генерацией текста и графики
- Задачи
- Мультимодальные
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 9,4 тыс.
- Лайков
- 62
Как загрузить
from datasets import load_dataset
ds = load_dataset("sensenova/SenseNova-Vision-Corpus-50M")