RedCaps 图像文本对数据集

RedCaps 是一个大规模的图像-文本对 (image-text pair) 数据集，数据源自 Reddit，总数达 120 万。这些图片和文本描述了各种各样的物体和场景。

RedCaps is a large-scale image-text pair dataset sourced from Reddit, containing a total of 1.2 million image-text pairs. These images and their corresponding textual descriptions cover a wide variety of objects and scenes.

搜集汇总

背景与挑战

背景概述

RedCaps是一个大规模图像-文本对数据集，包含120万个样本，数据源自Reddit。该数据集由密歇根大学团队发布，适用于图像识别、文本生成、图像生成和多模态任务。