isidentical/moondream2-coyo-5M-captions

Moondream2 COYO-700M 5M子集标注数据集是COYO-700M数据集的500万图像-文本对子集，使用Moondream2模型进行标注。标注问题为根据给定的alt文本为这张图片写一个长描述：{alt_text}。采样条件包括从COYO-700M中随机选取500万张图像，并应用了宽度、高度、美学评分、水印评分和CLIP相似度等过滤器。

The Moondream2 COYO-700M 5M Subset Annotated Dataset is a 5-million image-text pair subset of the COYO-700M dataset, annotated using the Moondream2 model. The annotation task requires generating a detailed description for the corresponding image based on the provided alt text: {alt_text}. The sampling conditions include randomly selecting 5 million images from COYO-700M, with filters applied for image width, height, aesthetic score, watermark score, and CLIP similarity.

原始信息汇总

数据集概述

基本信息

• 名称: Moondream2 COYO-700M 5M Subset Captions
• 大小: 500万对图像与文本
• 语言: 英语 (en)
• 任务类别:
  • 文本到图像
  • 图像到文本
  • 视觉问答

数据集特征

• key: 字符串
• url: 字符串
• alt_text: 字符串
• moondream2_caption: 字符串
• sha256: 字符串

数据集划分

• 训练集:
  • 样本数: 5005590
  • 数据大小: 2061782765 字节
  • 下载大小: 1506760111 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*

采样条件

• 图像尺寸: 宽度不小于256像素，高度不小于256像素
• 美学评分: 不低于5.2 (基于laion_v2)
• 水印评分: 不超过0.40
• 剪辑相似度: 不低于0.1 (基于vitl14)