Hebrew-CLIP 是由 NVIDIA 于 2024 年发布的一个面向希伯来语视觉语言模型训练的数据集，旨在促进 CLIP 等视觉语言模型在希伯来语场景下的应用。

该数据集包含约 778 万条希伯来语图像描述，主要由 DataComp-1B 机器翻译数据和 LAION-5B 多语言数据组成。数据以 Parquet 格式存储，不包含实际图像，仅提供文本描述及对应的图像嵌入引用，适用于多模态模型的训练和评估。

数据集组成

数据集由两个 Parquet 文件组成，每个文件主要包含以下字段：

• key：描述的唯一标识符。
• heb_caption：希伯来语描述文本。
• file_name：对应的图像嵌入文件名。
• file_index：嵌入在文件中的索引位置。