Multimodal-C4 fewer-faces (mmc4-ff)
收藏OpenDataLab2026-05-24 更新2024-05-09 收录
下载链接:
https://opendatalab.org.cn/OpenDataLab/Multimodal_C4_fewer_faces_mmc4_ff
下载链接
链接失效反馈官方服务:
资源简介:
我们创建了两个额外的子集: mmc4-ff,它删除了检测到人脸的图像,mmc4-core,一个更严格过滤和缩小的语料库版本,作为开发人员的初始语料库。
We constructed two additional subsets: mmc4-ff, from which all images containing detected human faces have been removed, and mmc4-core, a more rigorously filtered and downsized version of the corpus intended as an initial corpus for developers.
提供机构:
OpenDataLab
创建时间:
2023-10-20
搜集汇总
数据集介绍

背景与挑战
背景概述
Multimodal-C4 fewer-faces (mmc4-ff) 是Multimodal C4语料库的一个子集,专门删除了检测到人脸的图像,以减少人脸相关数据,适用于隐私敏感或多模态预训练任务。该数据集由华盛顿大学、哥伦比亚大学和Yonsei University于2023年发布,包含692个文件,总大小约1001.0B,采用预训练ODC-BY 1.0许可证。
以上内容由遇见数据集搜集并总结生成



