axxkaya/UVT-Explanatory-based-Vision-Tasks
收藏官方服务：
资源简介：
UVT解释性视觉任务数据集，包含1200万个图像输入、解释性指令和输出的三元组，用于训练自回归视觉语言模型，实现指令级别的零样本任务泛化能力。
UVT Explanatory Vision Tasks dataset, containing 12 million image input → explanatory instruction → output triplets for training auto-regressive vision-language models to achieve instruction-level zero-shot task generalization capability.
提供机构：
axxkaya
