damerajee/Hindi-ShareGPT4V

该数据集旨在增强大型多模态模型（LMMs）在预训练和监督微调阶段的模态对齐和细粒度视觉概念感知能力，使其接近GPT4-Vision的能力。数据集包含由GPT4-Vision生成的对话内容，并且是ShareGPT4V数据集的印地语翻译版本。数据集仅用于微调，图像可以从指定的GitHub仓库获取。数据集的语言为印地语，许可证为Attribution-NonCommercial 4.0 International。

原始信息汇总

数据集概述

数据集基本信息

• 名称: 未提供具体名称
• 语言: 印地语（hi）
• 大小类别: 100K<n<1M
• 许可证: Attribution-NonCommercial 4.0 International (cc-by-nc-4.0)

数据集内容

• 特征:
  • conversations: 包含两个子特征
    • from: 数据类型为字符串
    • value: 数据类型为字符串
  • image: 数据类型为字符串
• 分割:
  • train:
    • 数量: 101971个示例
    • 字节数: 250800052字节
    • 下载大小: 85011953字节

数据集配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

任务类别

• 视觉问答
• 问答

预期用途

• 主要预期用户: 计算机视觉、自然语言处理、机器学习和人工智能领域的研究人员和爱好者