该数据集是清华大学和 BAAI 于 2024 年推出的多模态图文数据集。论文成果 「CapsFusion: Rethinking Image-Text Data at Scale」已被 CVPR 2024 收录。

该数据集可用于大规模多模态预训练的高质量资源。此版本包含来自 LAION-2B 和 LAION-COCO 数据集的相应字幕，便于进行比较分析和进一步深入研究图像文本数据的质量。

每个数据条目有四个字段：

• 图片网址
• LAION-2B 标题（来自网络的原始替代文本）
• LAION-COCO 字幕（由 BLIP 合成）
• CapsFusion 标题（研究团队的）