wanng/midjourney-kaggle-clean

该数据集是对Kaggle上的Midjourney User Prompts & Generated Images数据集进行清理后的结果，共包含248,167对数据。数据集分为两个文件：ori.parquet（145,918对，midjourney的四格图）和upscaled.parquet（102,249对，使用了高清指令的图，这意味着这个图更受欢迎）。数据集包含多列信息，如内容、网址、代理网址、宽度、高度、日期、消息类型、内容链接、提示、提示补充、用户名、宽高比和清理后的提示等。

This dataset is a cleaned version of the Midjourney User Prompts & Generated Images dataset hosted on Kaggle, containing a total of 248,167 data pairs. The dataset is split into two files: ori.parquet (145,918 pairs, consisting of 4-grid images generated by Midjourney) and upscaled.parquet (102,249 pairs, featuring upscaled images generated with high-definition prompting instructions, indicating these images are more popular). The dataset includes multiple columns such as content, URL, proxy URL, width, height, date, message type, content link, prompt, prompt supplement, username, aspect ratio, and cleaned prompt, among others.

原始信息汇总

数据集概述

数据集名称

midjourney-v5-202304-clean

数据集简介

本数据集是对Kaggle上的Midjourney User Prompts & Generated Images (250k)数据集进行非官方清理后的版本，共包含248,167对数据。

数据集文件

• ori.parquet：包含145,918对数据，对应midjourney的四格图。
• upscaled.parquet：包含102,249对数据，这些图像使用了高清指令，表明这些图像更受欢迎。

列信息

1. content (内容): 包含消息的主要内容，可能包括文本、链接、或其他元素。
2. url (网址): 包含附件的URL，通常是图片或其他文件。
3. proxy_url (代理网址): 包含附件的代理URL，用于在原始URL不可用时访问附件。
4. width (宽度): 包含附件的宽度，通常是图片的宽度。
5. height (高度): 包含附件的高度，通常是图片的高度。
6. date (日期): 包含消息的发送日期和时间。
7. message_type (消息类型): 包含消息的类型，如初始消息、变体请求或放大请求。
8. content_links (内容链接): 包含消息内容中的所有链接。
9. prompt (提示): 包含消息中的主要提示，通常是用户输入的文本。
10. prompt_additions (提示补充): 包含消息中的提示补充，可能包括额外的信息或指示。
11. user_name (用户名): 包含发送消息的用户的用户名。
12. aspect (宽高比): 包含附件的宽高比，通常是图片的宽高比。
13. clean_prompts (清理后的提示): 包含清理后的提示，已删除所有链接和奇怪的字符。

许可证

本数据集遵循CC0-1.0许可证。

任务类别

• image-to-text
• text-to-image

语言

• en

标签

• midjourney
• kaggle