HyperAI
Command Palette
Search for a command to run...
Hebrew-CLIP ヘブライ語データセット
Hebrew-CLIP は、NVIDIA が 2024 年に公開した、ヘブライ語対応の視覚言語モデル(VLM)の訓練向けデータセットであり、CLIP などの視覚言語モデルのヘブライ語環境での活用を促進することを目的としています。
本データセットには、約 778 万件のヘブライ語画像キャプションが含まれており、主に DataComp-1B の機械翻訳データと LAION-5B の多言語データから構成されています。データは Parquet 形式で保存されており、実際の画像は含まれず、テキストキャプションと対応する画像埋め込みへの参照のみが提供されます。これは、マルチモーダルモデルの訓練および評価に適しています。
データセットの構成
データセットは 2 つの Parquet ファイルで構成されており、各ファイルには主に以下のフィールドが含まれます:
- key:キャプションの一意な識別子。
- heb_caption:ヘブライ語のキャプションテキスト。
- file_name:対応する画像埋め込みファイルの名前。
- file_index:ファイル内での埋め込みのインデックス位置。
このデータセットはコミュニティユーザーによって提供されており、教育および情報提供のみを目的としています。著作権侵害に関わるコンテンツがある場合は、[email protected]までご連絡ください。速やかに確認し、削除いたします。