wanng/midjourney-kaggle-clean

该数据集是对Kaggle上的Midjourney User Prompts & Generated Images数据集进行清理后的结果，共包含248,167对数据。数据集分为两个文件：ori.parquet（145,918对，midjourney的四格图）和upscaled.parquet（102,249对，使用了高清指令的图，这意味着这个图更受欢迎）。数据集包含多列信息，如内容、网址、代理网址、宽度、高度、日期、消息类型、内容链接、提示、提示补充、用户名、宽高比和清理后的提示等。

原始信息汇总

数据集概述

数据集名称

midjourney-v5-202304-clean

数据集简介

本数据集是对Kaggle上的Midjourney User Prompts & Generated Images (250k)数据集进行非官方清理后的版本，共包含248,167对数据。

数据集文件

• ori.parquet：包含145,918对数据，对应midjourney的四格图。
• upscaled.parquet：包含102,249对数据，这些图像使用了高清指令，表明这些图像更受欢迎。

列信息

1. content (内容): 包含消息的主要内容，可能包括文本、链接、或其他元素。
2. url (网址): 包含附件的URL，通常是图片或其他文件。
3. proxy_url (代理网址): 包含附件的代理URL，用于在原始URL不可用时访问附件。
4. width (宽度): 包含附件的宽度，通常是图片的宽度。
5. height (高度): 包含附件的高度，通常是图片的高度。
6. date (日期): 包含消息的发送日期和时间。
7. message_type (消息类型): 包含消息的类型，如初始消息、变体请求或放大请求。
8. content_links (内容链接): 包含消息内容中的所有链接。
9. prompt (提示): 包含消息中的主要提示，通常是用户输入的文本。
10. prompt_additions (提示补充): 包含消息中的提示补充，可能包括额外的信息或指示。
11. user_name (用户名): 包含发送消息的用户的用户名。
12. aspect (宽高比): 包含附件的宽高比，通常是图片的宽高比。
13. clean_prompts (清理后的提示): 包含清理后的提示，已删除所有链接和奇怪的字符。

许可证

本数据集遵循CC0-1.0许可证。

任务类别

• image-to-text
• text-to-image

语言

• en

标签

• midjourney
• kaggle