LAION-SG 大规模高质量图像理解数据集

LAION-SG 是一个大规模高质量图像理解数据集，由浙江大学、江南大学、北京大学、阿里巴巴集团和蚂蚁集团于 2024 年构建，相关论文成果为「LAION-SG: An Enhanced Large-Scale Dataset for Training Complex Image-Text Models with Structural Annotations」。 LAION-SG 包含 540,005 个带有对象、属性和关系注释的场景图-图像对，这些数据被分为训练集、验证集和测试集。数据集的图像来源于 LAION-Aesthetics V2 (6.5+) 数据集，注释过程使用了 GPT-4o 进行自动化注释。

与原始的 LAION-Aesthetics 数据集相比，LAION-SG 的平均注释长度和准确性都有所提高。该数据集的每个样本平均包含 6.39 个对象，对象信息增加了 20%，如果排除抽象专有名词，这一优势提升至 216% 。

LAION-SG 数据集适用于多种图像与文本的跨模态研究领域，包括图像描述生成、视觉问答系统以及图像检索等任务，这些任务均依赖于对图像内容的深入理解和语义解析。