JourneyDB：大规模生成图像理解数据集

大规模生成图像理解数据集，包含4,429,295个高分辨率的Midjourney生成图像，带有相应的文本提示、图像标题和视觉问答的标注，支持的任务包括提示反演、风格检索、图像描述和视觉问答

Large-scale Generative Image Understanding Dataset, comprising 4,429,295 high-resolution images generated by Midjourney, with corresponding text prompts, image captions, and visual question answering (VQA) annotations. It supports tasks including prompt inversion, style retrieval, image captioning, and visual question answering (VQA).

搜集汇总

背景与挑战

背景概述

JourneyDB是一个大规模生成图像理解数据集，包含超过440万张Midjourney生成的高分辨率图像，每张图像均标注有文本提示、描述和视觉问答数据。该数据集支持提示反转、风格检索、图像描述和视觉问答四个评估任务，旨在推动生成图像的多模态理解研究。