vera365/lexica_dataset

LexicaDataset是一个包含61,467个提示-图像对的大规模文本到图像提示数据集，用于研究文本到图像生成模型的提示窃取攻击。数据集中的图像由Stable Diffusion生成，所有提示均由真实用户提供。数据集分为训练集和测试集，分别占80%和20%。数据集的特征包括图像、文本提示、图像UUID、提示UUID、图像宽度和高度、随机种子、图像模型、是否为NSFW内容、图像主题、以及频繁出现的提示修饰词及其向量表示。数据集遵循CC-BY 4.0许可。

原始信息汇总

数据集概述

数据集名称

• 名称: LexicaDataset

数据集特征

• 特征:
  • image: 图像数据
  • prompt: 字符串，用于生成图像的文本提示
  • id: 字符串，图像UUID
  • promptid: 字符串，提示UUID
  • width: 无符号16位整数，图像宽度
  • height: 无符号16位整数，图像高度
  • seed: 无符号32位整数，用于生成图像的随机种子
  • grid: 布尔值，指示图像是否由多个小图像组成
  • model: 字符串，用于生成图像的模型
  • nsfw: 字符串，指示图像是否包含不适宜内容
  • subject: 字符串，图像中描绘的主体或对象
  • modifier10: 字符串序列，在提示中出现超过10次的修饰词，用作训练修饰词检测器的标签
  • modifier10_vector: 浮点数序列，modifier10的一热向量表示

数据集分割

• 分割:
  • train: 训练集，包含49173个样本，总大小为7270597392.368字节
  • test: 测试集，包含12294个样本，总大小为1765294302.142字节

数据集大小

• 下载大小: 5194348793字节
• 数据集大小: 9035891694.51字节

许可证

• 许可证: CC-BY 4.0

任务类别

• 任务类别:
  • 文本到图像
  • 图像到文本

语言

• 语言: 英语

标签

• 标签:
  • 提示
  • 工程
  • 研究论文

数据集大小类别

• 大小类别: 10K<n<100K