К содержимому

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")