afmck/peanuts-opt-6.7b

Peanuts Comic Strip Dataset (Snoopy & Co.)数据集包含了从1950年10月2日到2000年2月13日的Peanuts漫画条，共提取了77,457个面板，数据集大小约为4.4G。每个数据行包含以下字段：图像（提取的面板）、面板名称（唯一标识符）、角色（漫画条中包含的角色）、主题（漫画条中的主题）、颜色（面板是灰度还是彩色）、描述（由BLIP-2_OPT_6.7B模型生成的面板描述）和年份（面板发布的年份）。角色和主题信息从Peanuts Wiki提取，图像从Peanuts Search提取。由于使用了BLIP-2_OPT_6.7B模型生成描述，该数据集不能用于商业项目。

原始信息汇总

数据集概述

基本信息

• 名称: Peanuts Dataset (Snoopy and Co.)
• 许可证: 非商业用途
• 语言: 英语
• 大小: 10,000 < n < 100,000 项

数据集内容

• 特征:
  • image: 图像数据
  • panel_name: 字符串，唯一标识符
  • characters: 字符串序列，包含的漫画角色
  • themes: 字符串序列，包含的主题
  • color: 字符串，指示图像为灰度或彩色
  • year: 整数，发布年份
  • caption: 字符串，图像的描述

数据集划分

• 训练集:
  • num_examples: 77,456 项
  • num_bytes: 2,948,640,650.848 字节
  • download_size: 4,601,323,640 字节
  • dataset_size: 2,948,640,650.848 字节

数据集细节

• 提取角色: 仅包含特定角色，如 Charlie Brown, Snoopy 等。
• 图像提取: 使用特定代码块进行面板检测和提取，拒绝面积小于600或宽高比不在0.5到2之间的面板。
• 颜色检测: 通过特定代码块判断图像是否为灰度。
• 描述生成: 使用BLIP-2模型生成图像描述，未进行后处理。