Nahrawy/VIDIT-Depth-ControlNet

VIDIT数据集包含390个不同的Unreal Engine场景，每个场景在40种光照设置下拍摄，共产生15,600张图像。光照设置由5种色温（2500K, 3500K, 4500K, 5500K和6500K）和8种光方向（N, NE, E, SE, S, SW, W, NW）的组合构成。此版本仅包含训练集，涉及300个场景。图像的原始分辨率为1024x1024。标题由BLIP-2, Flan T5-xxl模型生成，深度图由GLPN fine-tuned on NYUv2模型生成。

原始信息汇总

数据集概述

数据集名称

VIDIT Dataset

数据集特征

• scene: 字符串类型
• image: 图像类型
• depth_map: 图像类型
• direction: 字符串类型
• temperature: 整数类型（int32）
• caption: 字符串类型

数据集分割

• train:
  • 示例数量: 12000
  • 数据大小: 20575644792.0 字节

数据集大小与下载大小

• 数据集大小: 20575644792.0 字节
• 下载大小: 20108431280 字节

数据集内容

• 包含300个Unreal Engine场景，每个场景有40种光照设置，共计15,600张图像。
• 光照设置包括5种颜色温度（2500K, 3500K, 4500K, 5500K, 6500K）和8种光线方向（N, NE, E, SE, S, SW, W, NW）。
• 原始图像分辨率为1024x1024。

数据生成方法

• 描述文本使用BLIP-2, Flan T5-xxl模型生成。
• 深度图使用GLPN fine-tuned on NYUv2模型生成。