COYO-700M

COYO-700M是一个大型数据集，其中包含747M图像文本对以及许多其他元属性，以提高训练各种模型的可用性。我们的数据集遵循与以前的视觉和语言数据集相似的策略，在HTML文档中收集了许多有用的alt-text对及其相关图像。我们预计COYO将用于训练与其他类似数据集互补的流行大规模基础模型。有关数据采集过程的更多详细信息，请参阅稍后发布的技术论文。

搜集汇总

背景与挑战

背景概述

COYO-700M是一个包含7.47亿图像文本对的大型数据集，附带丰富元属性以提升模型训练效果。它通过收集HTML文档中的alt-text对及其图像构建，旨在支持大规模基础模型的训练，由Kakao Brain于2022年8月发布。该数据集遵循类似视觉语言数据集的策略，可作为其他数据集的补充资源。