th4ruka/text-to-image-bot-ft

该数据集包含用户与文本到图像生成机器人之间的对话，旨在训练和评估基于用户描述的图像生成对话系统。每个对话都聚焦于用户描述他们希望机器人生成的图像，包括图像的内容、风格和构图等细节。数据集由GPT 3.5模拟生成，格式为JSON Lines，每条记录代表对话中的一个消息。

This dataset contains text-based conversations between a text-to-image bot and users, designed to train and evaluate dialogue systems for image generation based on user descriptions. Each conversation focuses on a user describing an image they want the bot to generate, including details about the desired content, style, and composition. The dataset is stored in JSON Lines format, with each line representing a single message in the conversation, containing fields for role and content. The creation of this dataset aims to provide training data for dialogue systems that assist users in generating images based on textual descriptions.

原始信息汇总

数据集卡片：文本到图像对话数据集

数据集描述

该数据集包含文本到图像机器人与用户之间的对话，旨在训练和评估基于用户描述生成图像的对话系统。每个对话都集中在用户描述他们希望机器人生成的图像上，包括所需内容、风格和构图的细节。

数据集详情

• 语言：英语
• 许可证：MIT许可证
• 创建者：Tharuka Pavith

用途

直接使用

该数据集适用于以下机器学习模型的训练：

• 文本到图像对话系统
• 专注于图像生成的聊天机器人
• 用于理解用户意图和生成图像提示的NLP模型

超出范围的使用

该数据集不适用于：

• 训练生成仇恨或冒犯内容的模型
• 训练有偏见的图像生成模型
• 评估与文本到图像生成无关的任务的模型

数据集结构

每个对话以JSON Lines (JSONL)格式存储，每行代表对话中的单个消息。JSON对象的结构如下： json { "role": "system" | "user" | "assistant", "content": "消息的文本内容" }

数据集创建

创建理由

该数据集旨在为基于文本描述生成图像的对话系统提供训练数据。

源数据

源数据由GPT 3.5模拟的文本到图像机器人与用户之间的对话组成，涵盖了多种图像类型和用户请求。

数据收集和处理

对话由GPT 3.5手动创建，重点关注清晰简洁的用户描述和信息丰富的机器人响应，以确保对图像生成的全面理解。

源数据生产者

GPT 3.5

偏见、风险和局限性

该数据集存在以下局限性：

• 对话是模拟的，可能无法完全反映真实世界的用户交互。
• 数据集的大小可能受收集过程的限制。
• 模拟中使用的模型可能存在固有的偏见。

建议

用户在使用数据集时应意识到这些局限性和潜在偏见，并考虑收集额外的真实世界用户交互以补充该数据集。