Conceptual_Caption3M图文预训练数据标注数据集

基于开源数据集Conceptual_Caption3M进行图片的有效性筛选后，保存有效图片的url和对应的Caption标注信息到cc3m_local_bootstrap_caption.json文件，用于进行图文预训练。

搜集汇总

背景与挑战

背景概述

该数据集基于开源Conceptual_Caption3M，通过筛选有效图片并保存其URL和Caption标注信息，专门用于图文预训练任务。数据以JSON格式存储，总大小为253.37MB，源自国家重点研发计划项目。