Flickr2k_styled

kaggle2026-04-22 更新2026-05-09 收录

图像描述

数据链接：

https://www.kaggle.com/datasets/janit7/captions-ds 数据链接链接失效反馈

官方服务：

资源简介：

Dataset for image captioning

图像字幕（image captioning）数据集

创建时间：

2026-04-22

google-research-datasets/conceptual_12m

图像描述

视觉语言预训练

Conceptual 12M（CC12M）是一个包含1200万张图像-文本对的数据集，专门用于视觉和语言预训练。其数据收集管道是Conceptual Captions 3M（CC3M）的宽松版本。数据集不默认下载图像，而是提供图像的URL。每个数据实例包括一个图像URL和对应的文字描述，所有描述均为英文。数据集的创建过程与CC3M共享相同的管道，但放宽了一些处理步骤。数据集的许可证允许自由使用，但

Hugging Face2024-01-18 更新4210

lodestone-horizon/pixelprose

图像描述

视觉语言模型

PixelProse是一个包含超过1600万条合成生成的图像描述的综合数据集，这些描述利用了先进的视觉语言模型（如Gemini 1.0 Pro Vision）来生成详细和准确的描述。数据集包括多个列，如唯一标识符、图像URL、原始描述、模型生成的密集描述、毒性评分等。数据集的结构详细，提供了丰富的信息用于图像到文本、文本到图像和视觉问答等任务。

Hugging Face2024-06-15 更新320

ALLaVA-4V

图像描述

自然语言处理

## 📚 ALLaVA-4V Data ### Generation Pipeline --> * LAION We leverage the superb GPT-4V to

魔搭社区2026-06-04 更新200

umaru97/flickr30k_train_val_test

图像描述

自然语言处理

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: val path: data/val-* - split: test path: data/test-* dataset_info: features: - name:

Hugging Face2023-08-04 更新1570

ServiceNow/coco_encoded

图像描述

视觉语言处理

--- dataset_info: features: - name: image dtype: image - name: filepath dtype: string - name: sentids list: int32 - name: filename dtype: string - name: imgid dtype: in

Hugging Face2024-05-11 更新240

Flickr2k_styled

资源简介：

相关数据集