ceshi2233

kaggle2024-03-13 更新2024-05-26 收录

视觉预训练模型

模型权重迁移

数据链接：

https://www.kaggle.com/datasets/cristvollerei/ceshi2233 数据链接链接失效反馈

官方服务：

资源简介：

为了方便个人使用上传的vit预训练权重模型

For the convenience of personal use, the uploaded pre-trained weight models of the VIT are provided.

创建时间：

2024-03-13

Berkeley MVP Data

机器人学习

视觉预训练模型

Berkeley MVP Data 是由加州大学伯克利分校（University of California, Berkeley）创建的机器人学习数据集，专注于真实世界机器人任务的视觉预训练。该数据集包含来自互联网和第一人称视频的大量图像，以及在真实环境中收集的机器人操作数据。数据集的创建过程涉及从多个数据源收集图像，包括ImageNet、Epic Kitchens、Something Somet

tetexiao.com750

CLIP_VISION

视觉预训练模型

图像处理

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集 #### 下载方法 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}

魔搭社区2025-03-13 更新190

pass

监督学习

视觉预训练模型

PASS是一个大规模图像数据集，包含140万张不含人类的图像，可用于高质量的自监督预训练，同时显著降低隐私问题。该数据集的图像来源于YFCC-100M数据集，并经过筛选，仅保留CC-BY许可的图像。PASS数据集包含图像本身以及拍摄者用户名、哈希值、GPS坐标和拍摄日期等元数据信息。主要用于预训练视觉特征，并可用于评估预训练数据集对学习特征的影响，以及研究图像分辨率对自监督学习方法的影响。该数据集

OpenCSG2024-07-19 更新140

open-world-agents/D2E-480p

游戏数据

视觉预训练模型

D2E数据集是一个针对桌面游戏数据的子集，用于大规模视觉动作预训练，以便将学习成果迁移到真实世界的机器人操作和导航等任务。数据集包含了多种游戏类型的屏幕录像和同步的桌面交互动作元数据，总共涵盖了31款游戏，经过隐私过滤后公开了29款游戏的数据，总时长约267.81小时，视频帧分辨率为480p。

Hugging Face2025-11-12 更新280

DataComp for VLMs (DCVLM)

视觉预训练模型

多模态数据策展

DCVLM是由多个研究机构联合构建的综合性视觉-语言模型训练基准，旨在系统化研究数据策展策略。该数据集整合了160个公开来源，涵盖图文对、多模态交错文档、纯文本及指令微调数据四种类型，总计包含6万亿多模态tokens，数据来源高度异构且覆盖超过20种语言。其构建过程通过标准化数据池汇集与去污染处理实现，确保训练与评估无重叠。该数据集主要应用于视觉-语言模型的预训练优化研究，重点解决多源数据混合策略

arXiv2026-07-01 更新170

ceshi2233

资源简介：

相关数据集