GeroldMeisinger/laion2b-en-a65_cogvlm2-4bit_captions

该数据集包含使用CogVLM2-4bit模型为`laion2B-en aesthetics>=6.5`图像数据集生成的图像描述，并使用`stable-diffusion-3-medium`模型生成新的合成图像。数据集的目标是评估CogVLM2模型、Stable Diffusion 3训练中使用的提示词、图像生成的一致性等。文件结构包括图像描述文件和生成的图像文件。README还提供了如何复制数据集的详细步骤，包括下载原始数据集、安装相关工具、生成合成图像等。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-sa-4.0
• 语言: 英语
• 数据规模: 10K<n<100K
• 任务类别:
  • 图像分类
  • 文本到图像
  • 图像到文本
• 标签:
  • CogVLM2
  • CogVLM2-4bit
  • laion2b-en-a65
  • laion-pop
  • stable-diffusion-3-medium
• 美观名称: laion2B-en aesthetics>=6.5 CogVLM2-4bit captions

数据集内容

• 原始图像 (未包含): 635561 (64部分，每部分约10000张)
• 过滤和去重后的图像 (未包含): 111486
• 原始图像的图像描述: 13141 (仅部分00000-00004)
• 从描述生成的图像: 8x 2752 = 22016 (仅部分00000)
• 从合成图像生成的图像描述: 3x 2752 = 8256

任务

• 评估CogVML2
• 评估用于Stable Diffusion 3训练的提示
• 评估Stable Diffusion 3的图像生成和提示内一致性
• 评估Stable Diffusion 3的提示理解和一致性
• 评估Stable Diffusion 3的参数化
• 比较生成的描述与原始图像
• 比较生成的描述与原始替代文本
• 比较原始与合成图像的生成描述
• 在带有合成描述的图像上训练模型

文件结构

00000...00004/ # CogVML2-4bit对laion2b-en-a65图像的描述 000000001.txt 000000002.txt ...

images_stable-diffusion-3-medium_q80/ # 生成的图像（质量=80%） cfg_30, cfg_45, cfg_60 # 使用的cfg值 bosh3, dpmpp_2m, euler # 使用的采样器 steps_15, steps_20, steps_28 # 使用的步长 000000001_0.webp # 批次编号0 ... 000000001_7.webp

captions2images.py # 将提示发送到ComfyUI以从描述生成图像 images2grid.py # 将生成的图像显示为2x2或3x3网格 images2reencode.py # 将生成的图像压缩为有损 workflow_api.json # ComfyUI的工作流程