FineHARDは、2025年に360 AI研究チームによってオープンソース化された高品質の画像とテキストのアライメントデータセットです。関連する論文結果は次のとおりです。FG-CLIP: きめ細かなビジュアルとテキストの配置”。 このデータセットは、規模と精緻さを特徴としています。1,200万枚の画像と、それらに対応する長文および短文の説明文が含まれ、4,000万個のバウンディングボックスをカバーしています。各バウンディングボックスには、きめ細かな領域記述が付与されており、革新的な手法で、1,000万セットのきめ細かなネガティブサンプルを導入しています。アルゴリズムによって選別されたこれらの干渉サンプルは、類似ターゲットの識別能力を効果的に向上させます。

引用

@article{xie2025fg,
title={FG-CLIP: Fine-Grained Visual and Textual Alignment},
author={Xie, Chunyu and Wang, Bin and Kong, Fanjing and Li, Jincheng and Liang, Dawei and Zhang, Gengshen and Leng, Dawei and Yin, Yuhui},
journal={arXiv preprint arXiv:2505.05071},
year={2025}
}