Tumblr GIF Description Dataset

kaggle2019-11-18 更新2024-03-08 收录

视频字幕生成

图像描述生成

数据链接：

https://www.kaggle.com/datasets/raingo/tumblr-gif-description-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Animated GIF Description - Sequence to Sequence - Video Captioning

动态GIF描述 - 序列到序列（Sequence to Sequence） - 视频字幕生成

创建时间：

2016-08-18

google-research-datasets/conceptual_captions

图像描述生成

数据收集

Conceptual Captions数据集包含约330万张带有描述的图像。与其他图像描述数据集不同，Conceptual Captions的图像和原始描述是从网页中提取的，因此代表了更多样化的风格。具体来说，原始描述是从与网页图像相关的Alt-text HTML属性中提取的。为了达到当前版本的描述，开发了一个自动管道，用于提取、过滤和转换候选图像/描述对，目的是实现最终描述的清洁性、信息丰富性、

Hugging Face2024-06-17 更新340

ShareGPT4Video

视频多模态

视频字幕生成

ShareGPT4Video Captions 4.8M数据集专注于视频的多模态字幕数据，旨在提升大型视频语言模型（LVLMs）和文本到视频模型（T2VMs）的模态对齐和细粒度视觉概念感知能力。数据集包含由GPT4-Vision生成的数据以及使用GPT4-Vision生成的视频-字幕对训练的ShareCaptioner-Video生成的数据，总规模达到480万。该数据集适用于视觉问答和问题回答等任

OpenCSG2024-07-19 更新180

docent-val-InternVL2_5-8B-bbox-w-text_no_ref

视觉语言

图像描述生成

该数据集是一个多模态数据集，包含文本描述与标注图像的组合。数据结构包含9个字段：唯一标识符(uuid)、步骤编号(step)、项目列表(items)、分段ID列表(segment_ids)、分段位置列表(segment_positions)、详细参考描述(detailed_reference_description)、生成描述(generated_description)、提示文本(prompt)

Hugging Face2026-04-17 更新130

yuvalkirstain/laion-hd-subset

多模态图像数据集

图像描述生成

--- dataset_info: features: - name: similarity dtype: float64 - name: hash dtype: int64 - name: punsafe dtype: float64 - name: pwatermark dtype: float64 - name: LANGUAGE

Hugging Face2022-11-30 更新210

bitmind/MS-COCO-unique

图像识别

图像描述生成

--- dataset_info: features: - name: image dtype: image - name: filepath dtype: string - name: sentids list: int32 - name: filename dtype: string - name: imgid dtype: in

Hugging Face2024-08-02 更新140

Tumblr GIF Description Dataset

资源简介：

相关数据集