pickapic-anonymous/pickapic_v1

---
dataset_info:
features:
- name: are_different
dtype: bool
- name: best_image_uid
dtype: string
- name: caption
dtype: string
- name: created_at
dtype: timestamp[ns]
- name: has_label
dtype: bool
- name: image_0_uid
dtype: string
- name: image_0_url
dtype: string
- name: image_1_uid
dtype: string
- name: image_1_url
dtype: string
- name: jpg_0
dtype: binary
- name: jpg_1
dtype: binary
- name: label_0
dtype: float64
- name: label_1
dtype: float64
- name: model_0
dtype: string
- name: model_1
dtype: string
- name: ranking_id
dtype: int64
- name: user_id
dtype: int64
- name: num_example_per_prompt
dtype: int64
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 193273338802
num_examples: 583747
- name: validation
num_bytes: 5638295249
num_examples: 17439
- name: test
num_bytes: 4621428929
num_examples: 14073
- name: validation_unique
num_bytes: 178723392
num_examples: 500
- name: test_unique
num_bytes: 178099641
num_examples: 500
download_size: 202289409202
dataset_size: 203889886013
---
# Dataset Card for "pickapic_v1"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: pickapic_v1

数据集特征

• 特征列表:
  • are_different: 布尔型
  • best_image_uid: 字符串型
  • caption: 字符串型
  • created_at: 时间戳（纳秒）
  • has_label: 布尔型
  • image_0_uid: 字符串型
  • image_0_url: 字符串型
  • image_1_uid: 字符串型
  • image_1_url: 字符串型
  • jpg_0: 二进制型
  • jpg_1: 二进制型
  • label_0: 浮点型
  • label_1: 浮点型
  • model_0: 字符串型
  • model_1: 字符串型
  • ranking_id: 整数型
  • user_id: 整数型
  • num_example_per_prompt: 整数型
  • __index_level_0__: 整数型

数据集分割

• 分割详情:
  • train: 583747个样本，193273338802字节
  • validation: 17439个样本，5638295249字节
  • test: 14073个样本，4621428929字节
  • validation_unique: 500个样本，178723392字节
  • test_unique: 500个样本，178099641字节

数据集大小

• 下载大小: 202289409202字节
• 数据集大小: 203889886013字节

搜集汇总

背景与挑战

背景概述

pickapic_v1是一个用于文本到图像生成模型人类偏好评估的大规模数据集，包含约61.6万条数据，总大小202GB。数据集提供了文本提示（caption）、由不同模型（如SDXL、DP2.0）生成的两幅图像URL、以及人类标注的偏好标签（label_0/label_1），可用于训练和评估图像生成模型的偏好对齐能力。数据已划分为训练集、验证集和测试集，格式为parquet。