image-textualization

Image-Textualization Dataset 包含22万张图像-文本对，并提供细粒度的标注信息，旨在促进大型多模态语言模型在图像描述、视觉问答和多模态理解等领域的研究和发展。该数据集的构建流程具有良好的可扩展性，能够应用于各种图像数据集以获得高质量的描述，尤其适用于物体密集的图像数据集。数据集中每条样本包含图像文件路径、对应的文本描述以及描述图像的问题，主要来源于COCO train2017、SA-1B、VG数据集。该数据集采用Apache-2.0授权许可，可用于提升图像-文本检索、多模态理解和文本到图像生成等任务的模型性能。