登录后查看消息通知
搜索
常见问题
消息
登录
首页
/
数据集
/
高质量图像描述数据集
高质量图像描述数据集
收藏
杭州数据交易所
2026-08-04 更新
2026-06-18 收录
视觉语言预训练
图生成
数据链接:
https://mall.hzdex.cn/data-exchange/111500400191475?from=/data-exchange
数据链接
链接失效反馈
官方服务:
问题咨询
购买咨询
在线客服
NEW
资源简介:
用于多模态大模型训练,让模型学会将图像内容与对应文本描述精准对齐,加强对问生图或图生文应用的准确性。
应用场景:
提供机构:
数据堂(北京)科技股份有限公司
创建时间:
2026-08-04
搜集汇总
数据集介绍
背景与挑战
背景概述
该数据集旨在支持多模态大模型训练,通过提供高质量的图像与对应文本描述,帮助模型实现图像内容与文本描述的精准对齐,从而增强文生图和图生文相关应用的准确性与效果。
以上内容由遇见数据集搜集并总结生成
相关数据集
google-research-datasets/conceptual_12m
图像描述
视觉语言预训练
Conceptual 12M(CC12M)是一个包含1200万张图像-文本对的数据集,专门用于视觉和语言预训练。其数据收集管道是Conceptual Captions 3M(CC3M)的宽松版本。数据集不默认下载图像,而是提供图像的URL。每个数据实例包括一个图像URL和对应的文字描述,所有描述均为英文。数据集的创建过程与CC3M共享相同的管道,但放宽了一些处理步骤。数据集的许可证允许自由使用,但
Hugging Face
2024-01-18 更新
421
0
ULZIITOGTOKH/cat_images
图生成
猫
该数据集用于无条件图像生成任务,主要包含与猫相关的图像。数据集的语言为英语,包含的图像数量少于1千张。
Hugging Face
2024-04-02 更新
17
0
allenai/pixmo-docs
视觉问答
图生成
PixMo-Docs是一个包含各种计算机生成图像(如图表、表格、图示和文档)的合成问答对集合。数据集的生成使用了Claude大型语言模型生成代码来渲染图像,并使用GPT-4o mini生成基于代码的问答对。数据集包含四种类型的图像,每种类型都有训练集和验证集。数据格式包括图像和与之匹配的多个问答对。数据集的许可证为ODC-BY-1.0,适用于研究和教育用途。
Hugging Face
2024-12-05 更新
13
0
FireRedTeam/DenseLayout
图生成
布局分析
DenseLayout是一个用于评估密集场景中Layout-to-Image (L2I)生成的基准数据集。每个图像平均包含15个以上的实例,并带有边界框、类别和标题。该数据集支持对L2I模型在区域级别的空间对齐和属性精度,以及全局级别的整体图像质量和提示忠实度进行评估。
Hugging Face
2025-10-17 更新
17
0
ImagenWorld-model-outputs
图生成
模型评估
ImagenWorld是一个大规模基准,旨在现实的多模态场景中评估图像生成和编辑模型。它涵盖六个不同的任务和六个内容领域,提供了一个统一的框架来评估模型的组合性、指令遵循能力和多模态能力。该数据集包含了所有任务的模型生成输出,每个样本对应于一个条件集,包括输入条件和多个模型的生成输出。
Hugging Face
2025-10-23 更新
17
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广