数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集 #### 下载方法 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}

魔搭社区2026-07-07 更新410

CC12M (Conceptual 12M)

多模态预训练

图像字幕生成

概念12 M (CC12M)，具有约1200万个图像文本对的数据集，旨在用于视觉和语言预训练。与概念字幕 (CC3M) 相比，它更大，涵盖了更多的视觉概念集，该概念集广泛用于图像字幕模型的预训练和端到端训练。

OpenXLab80

WebVid-2M

视频文本检索

多模态预训练

大型文本-视频数据集，包含从素材网站抓取的1000 万个视频-文本对。该数据集用于大规模预训练，以在我们的冻结时间工作中实现最先进的端到端检索。

OpenXLab70

laion_encoded15

多模态预训练

图像文本对齐

irotem98/laion_encoded15 dataset hosted on Hugging Face and contributed by the HF Datasets community

huggingface.co190

trained models

多模态预训练

视觉语言对齐

This data includes model parameters of the internal machine learning model trained by CLIP-MMA. To use this data, please place the extracted "clip" directory directly under "CLIP-MMA/data".

Figshare2024-10-20 更新70