devourthemoon/laion-publicdomain

annotations_creators:
- machine-generated
language_creators:
- machine-generated
license:
- cc-by-4.0
multilinguality:
- multilingual
pretty_name: laion-publicdomain
size_categories:
- 100K<n<1M
source_datasets:
-laion/laion2B-en
tags:
- laion
task_categories:
- text-to-image

# Dataset Card for laion-publicdomain

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Dataset Structure](#dataset-structure)
- [Data Fields](#data-fields)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Licensing Information](#licensing-information)

## Dataset Description

- **Homepage:** https://huggingface.co/datasets/devourthemoon/laion-publicdomain
- **Repository:** https://huggingface.co/datasets/devourthemoon/laion-publicdomain
- **Paper:** do i look like a scientist to you
- **Leaderboard:**
- **Point of Contact:** @devourthemoon on twitter

### Dataset Summary

This dataset contains metadata about images from the [LAION2B-eb dataset](https://huggingface.co/laion/laion2B-en) curated to a reasonable best guess of 'ethically sourced' images.

## Dataset Structure

### Data Fields

See the [laion2B](https://laion.ai/blog/laion-400-open-dataset/) release notes.

## Dataset Creation

### Curation Rationale

This dataset contains images whose URLs are either from archive.org or whose license is Creative Commons of some sort.
This is a useful first pass at "public use" images, as the Creative Commons licenses are primarily voluntary and intended for public use,
and archive.org is a website that archives public domain images.

### Source Data

The source dataset is at laion/laion2B-en and is not affiliated with this project.

### Annotations

#### Annotation process

Laion2B-en is assembled from Common Crawl data.

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

#### Is this dataset as ethical as possible?

*No.* This dataset exists as a proof of concept. Further research could improve the sourcing of the dataset in a number of ways, particularly improving the attribution of files to their original authors.

#### Can I willingly submit my own images to be included in the dataset?

This is a long term goal of this project with the ideal being the generation of 'personalized' AI models for artists. Contact @devourthemoon on Twitter if this interests you.

#### Is this dataset as robust as e.g. LAION2B?

Absolutely not. About 0.17% of the images in the LAION2B dataset matched the filters, leading to just over 600k images in this dataset.

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Licensing Information

When using images from this dataset, please acknowledge the combination of Creative Commons licenses.
This dataset itself follows CC-BY-4.0

注释创建者：
- 机器生成
语言来源：
- 机器生成
许可证：
- CC BY 4.0
多语言属性：
- 多语言
数据集展示名：laion-publicdomain
规模类别：
- 10万 < 样本量 < 100万
源数据集：
- laion/laion2B-en
标签：
- LAION
任务类别：
- 文本到图像

# LAION-PUBLICDOMAIN 数据集卡片

## 目录
- [目录](#目录)
- [数据集描述](#数据集描述)
- [数据集概述](#数据集概述)
- [数据集结构](#数据集结构)
- [数据字段](#数据字段)
- [数据集构建](#数据集构建)
- [遴选依据](#遴选依据)
- [源数据](#源数据)
- [注释](#注释)
- [个人与敏感信息](#个人与敏感信息)
- [数据使用注意事项](#数据使用注意事项)
- [数据集的社会影响](#数据集的社会影响)
- [偏差讨论](#偏差讨论)
- [其他已知局限性](#其他已知局限性)
- [附加信息](#附加信息)
- [许可信息](#许可信息)

## 数据集描述
- **主页**：https://huggingface.co/datasets/devourthemoon/laion-publicdomain
- **代码仓库**：https://huggingface.co/datasets/devourthemoon/laion-publicdomain
- **论文**：《我看起来像科学家吗》
- **排行榜**：
- **联系方式**：Twitter 平台账号 @devourthemoon

### 数据集概述
本数据集包含源自[LAION-2B-EN数据集](https://huggingface.co/laion/laion2B-en)的图像元数据，经筛选后得到可合理判定为「伦理来源」的图像集合。

## 数据集结构
### 数据字段
详见[LAION-2B](https://laion.ai/blog/laion-400-open-dataset/)的发布说明文档。

## 数据集构建
### 遴选依据
本数据集收录的图像，其URL要么来自互联网档案馆（archive.org），要么带有各类知识共享（Creative Commons）许可协议。此类图像可作为「公共使用」图像的初步筛选结果：知识共享许可协议本质为自愿性协议，旨在面向公共使用场景；而互联网档案馆则归档了大量公有领域图像资源。

### 源数据
本数据集的源数据集为 laion/laion2B-en，与本项目无任何附属关系。

### 注释
#### 注释流程
LAION-2B-EN 由公共爬虫（Common Crawl）数据构建而成。

### 个人与敏感信息
[需补充更多信息]

## 数据使用注意事项
### 数据集的社会影响
#### 本数据集是否尽可能符合伦理标准？
**否**。本数据集仅作为概念验证项目存在。后续研究可从多个维度优化数据集的来源筛选工作，尤其是优化图像文件与原作者的归因关联。

#### 我是否可以主动提交个人图像以加入本数据集？
这是本项目的长期目标，其最终愿景是为创作者生成「个性化」AI模型。若您对此感兴趣，请通过Twitter联系 @devourthemoon。

#### 本数据集是否与LAION-2B等数据集一样具备鲁棒性？
**绝对没有**。LAION-2B数据集中仅有约0.17%的图像符合本次筛选规则，最终本数据集仅包含略多于60万张图像。

### 偏差讨论
[需补充更多信息]

### 其他已知局限性
[需补充更多信息]

## 附加信息
### 许可信息
使用本数据集内的图像时，请注明所涉及的各类知识共享许可协议。本数据集本身遵循知识共享署名4.0（CC BY 4.0）许可协议。

原始信息汇总

数据集概述

• 名称: laion-publicdomain
• 语言: 多语言
• 许可证: cc-by-4.0
• 大小: 100K<n<1M
• 来源数据集: laion/laion2B-en
• 标签: laion
• 任务类别: 文本到图像

数据集描述

• 摘要: 该数据集包含来自LAION2B-en数据集的图像元数据，经过筛选以合理猜测为伦理来源的图像。

数据集结构

• 数据字段: 请参阅laion2B发布说明。

数据集创建

• 筛选理由: 该数据集包含的图像URL来自archive.org或具有某种形式的Creative Commons许可证。这是一个“公共使用”图像的有用初步筛选，因为Creative Commons许可证主要是自愿的，旨在供公众使用，而archive.org是一个存档公共域图像的网站。
• 源数据: 源数据集位于laion/laion2B-en，与本项目无关。
• 注释: Laion2B-en是从Common Crawl数据组装而成。

使用数据集的考虑

• 社会影响: 该数据集作为概念验证存在。进一步的研究可以改善数据集的来源，特别是在改善文件对原作者的归属方面。
• 偏见讨论: 需要更多信息。
• 其他已知限制: 需要更多信息。

附加信息

• 许可证信息: 使用此数据集中的图像时，请承认Creative Commons许可证的组合。此数据集本身遵循CC-BY-4.0。