Spawning 发布 Public Domain 12M (PD12M) 数据集, 应用在 计算机视觉、自然语言处理 领域

Spawning 本次发布的数据集 Public Domain 12M (PD12M), Public Domain 12M (PD12M) 是由Spawning创建的一个大规模图像-文本数据集，包含1240万条高质量的公共领域和CC0许可的图像及其合成标题。该数据集旨在用于训练文本到图像的模型，是目前最大的公共领域图像-文本数据集。数据集的内容主要来源于画廊、图书馆、档案馆和博物馆（GLAM）以及Wikimedia Commons等来源，经过严格的筛选和美学评分，确保了数据集的高质量和版权合规性。数据集的创建过程包括图像收集、筛选、去重和美学评分等多个步骤，旨在解决现有数据集在版权、隐私和内容质量方面的问题。PD12M的应用领域广泛，主要用于训练和评估文本到图像生成模型，旨在推动计算机视觉和自然语言处理领域的发展。

查看Public Domain 12M (PD12M)

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。