LLaVA-Instruct-150K

LLaVA Visual指令150K是一组GPT生成的多模态指令跟随数据。它是为视觉指令调整和构建大型多模态以GPT-4视觉/语言能力而构建的。

LLaVA Visual Instruction 150K is a GPT-generated multimodal instruction-following dataset. It is constructed for visual instruction tuning and the development of large multimodal models empowered by GPT-4's vision-language capabilities.

搜集汇总

背景与挑战

背景概述

LLaVA-Instruct-150K是一个由GPT生成的多模态指令跟随数据集，包含150K条数据，专为视觉指令调整和构建大型多模态模型以提升GPT-4的视觉/语言能力而设计。该数据集由哥伦比亚大学、威斯康星大学麦迪逊分校和Microsoft Research于2023年4月发布，采用CC BY-NC 4.0许可证，适用于预训练和微调任务。