К содержимому
Датасеты

FineVision

масштабный датасет для обучения мультимодальных моделей

1 мин чтения

FineVision — это гигантская коллекция данных, созданная для обучения передовых открытых Vision-Language-Models (VLM, мультимодальные модели, понимающие изображения и текст). Датасет содержит 17.3 миллиона изображений, 24.3 миллиона сэмплов, 88.9 миллиона диалоговых ходов и 9.5 миллиарда токенов ответов. Внутри собраны разнообразные структурированные данные с оценками релевантности и визуальной зависимости. Набор данных отлично подойдет исследователям и разработчикам для тренировки и бенчмаркинга мультимодального ИИ.

Ключевые особенности

  • Огромный масштаб: 17.3M картинок и 9.5B токенов для глубокого обучения.
  • Многоуровневые диалоги: 88.9M текстовых ходов, включая подробные описания и логические вопросы по изображениям.
  • Качественная разметка: наличие метрик соответствия изображений и текстовых данных (image_correspondence_ratings).
  • Открытая лицензия: материалы промптов распространяются под лицензией CC-BY-4.0.

Что можно сделать

  • Обучить с нуля или дообучить открытые Vision-Language-Models для продвинутого визуального анализа.
  • Протестировать мультимодальные способности языковых моделей на сложных научных и бытовых датасетах.
  • Исследовать влияние качественных визуальных датасетов на генерацию ответов ИИ.

Пример

Загрузка датасета для обучения и анализа с помощью библиотеки datasets:

from datasets import load_dataset, get_dataset_config_names

# Получаем список подмножеств и загружаем первое
available_subsets = get_dataset_config_names('HuggingFaceM4/FineVision')
ds = load_dataset('HuggingFaceM4/FineVision', name=available_subsets[0], split='train', streaming=True)

# Проверяем первый пример
print(ds[0])
ПодробнееОбъем: 17.3M картинок, 24.3M сэмплов, 88.9M ходов, 9.5B токенов
Авторы: Luis Wiedmann, Orr Zohar, Amir Mahla и другие (HuggingFaceM4)
Лицензия: CC-BY-4.0 для промптов, исходные поддатасеты регулируются собственными условиями
Статья: arXiv:2510.17269
Примеры
Обсудить Telegram 544 97 тыс.

О модели

datasets/HuggingFaceM4/FineVision
Автор
HuggingFaceM4
Категория
Датасеты
Дата выхода
На сайте

На сайте

Hugging Face

97 тыс.544

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Датасеты

SmolLM-Corpus

SmolLM-Corpus
Датасеты

openai/gdpval

openai/gdpval
Датасеты

Emilia-Dataset

Emilia-Dataset