dinhanhx/gcc-vi

这是Google Conceptual Captions数据集的越南语版本，包含超过330万张图片的URL及其对应的描述。这些描述是通过Google Translate API从英文翻译成越南语的。越南语版本与英文版本具有相同的元数据，唯一的区别在于描述内容。数据集提供了英文和越南语的`.tsv`文件。用户可以通过提供的工具或逐行迭代的方式下载数据集。需要注意的是，随着时间的推移，一些图片的URL可能会失效。

原始信息汇总

数据集概述

数据集名称

Google Conceptual Captions in Vietnamese

语言

• 越南语 (vi)
• 英语 (en)

数据集描述

该数据集是Google Conceptual Captions的越南语版本，包含超过330万个带有标题的图像URL。数据集通过使用Google Translate API构建，越南语版本的元数据与英语版本完全相同，仅标题内容不同。

文件格式

提供越南语和英语的.tsv文件。

任务类别

• 图像到文本

任务ID

• 图像标题生成

许可证

未知

标签

• gcc
• gcc-vi
• Vietnamese

注意事项

• 部分图像URL可能会随时间失效，据报道有15%的原始数据集图像无法访问。