CapsFusion-120M マルチモーダル グラフィックおよびテキスト データ セット

このデータ セットは、清華大学と BAAI によって 2024 年に開始されたマルチモーダル グラフィックおよびテキスト データ セットです。論文結果 「CapsFusion: 大規模な画像テキスト データの再考」CVPR 2024 に含まれています。

このデータセットは、大規模なマルチモーダル事前トレーニング用の高品質リソースとして使用できます。このリリースには、LAION-2B および LAION-COCO データセットからの対応するキャプションが含まれており、比較分析と画像テキスト データの品質のさらに詳細な研究が可能になります。

各データエントリには次の 4 つのフィールドがあります。

• 画像URL
• LAION-2B タイトル (Web からのオリジナルの代替テキスト)
• LAION-COCO字幕（BLIP合成）
• CapsFusion ヘッダー (研究チームのもの)