SBU图文预训练数据标注数据集

基于开源数据集SBUCaptionsDataset进行图片的有效性筛选后，保存可用图片的url和对应的Caption标注信息，用于进行图文预训练。

搜集汇总

背景与挑战

背景概述

该数据集基于开源SBUCaptionsDataset进行图片有效性筛选，保存了可用图片的URL及其对应的Caption标注信息，适用于图文预训练任务。它属于多模态预训练开源资源，涉及模式识别、计算机感知和自然语言处理等学科领域。