DenseFusion-1M

DenseFusion-1M 专注于提供全面的图像描述，适用于问答和视觉问答等任务。它包含通过融合不同视觉专家信息而生成的高信息量图像描述，涵盖丰富的OCR信息、精确的目标和位置识别以及外部知识等多种视觉细节。数据集规模在100万到1000万之间，授权许可为CC-BY 4.0。该数据集旨在提升多模态大型语言模型的综合感知能力，并展示了在细粒度文本条件图像生成方面的潜力。同时，项目遵循MIT许可证。