CapsFusion-120M 多模态图文数据集

该数据集是清华大学和 BAAI 于 2024 年推出的多模态图文数据集。论文成果 「CapsFusion: Rethinking Image-Text Data at Scale」已被 CVPR 2024 收录。

This multimodal image-text dataset was released in 2024 by Tsinghua University and BAAI. The corresponding research paper titled "CapsFusion: Rethinking Image-Text Data at Scale" has been accepted by CVPR 2024.

AI搜集汇总

背景与挑战

背景概述

CapsFusion-120M是由清华大学和BAAI于2024年发布的多模态图文数据集，其相关论文被CVPR 2024收录。该数据集包含约120M条目，每个条目提供图片网址及三种标题（来自LAION-2B的原始文本、LAION-COCO的合成字幕和研究团队的优化标题），旨在作为大规模多模态预训练的高质量资源，便于比较分析和提升图像文本数据质量。