Датасет · wyu1
Мультимодальный SFT-датасет с множеством картинок и текста
wyu1/Leopard-Instruct
925 тысяч инструкций на английском с акцентом на работу с несколькими изображениями и плотным текстом.
Что внутри
Содержит 925 000 пар «изображение — текст» для SFT-обучения на английском языке, из которых 739 000 специально созданы для сценариев с несколькими картинками и большим объёмом текста. На этих данных авторы обучали модели Leopard-LLaVA и Leopard-Idefics2.
Что можно сделать
- SFT-дообучение мультимодальных моделей (VLM) для анализа документов, скриншотов и инфографики
- Обучение моделей рассуждать сразу по нескольким изображениям в одном контексте
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 39,7 тыс.
- Лайков
- 64
Как загрузить
from datasets import load_dataset
ds = load_dataset("wyu1/Leopard-Instruct")