Allen Institute for AI 发布 pixmo-cap 数据集, 应用在 视觉语言模型、数据集 领域

Allen Institute for AI 本次发布的数据集 pixmo-cap, PixMo-Cap是一个包含详细描述（平均约200字）的图像到文本数据集，主要用于预训练和微调视觉语言模型。数据集的创建过程包括记录注释者对图像的60-90秒的描述，然后使用Claude大型语言模型将音频转录转换为长篇描述。数据集还包括音频转录。PixMo-Cap是PixMo数据集集合的一部分，并用于训练Molmo系列模型。数据集的图像以URL形式存储，需要单独下载。数据集的许可证为ODC-BY-1.0，适用于研究和教育用途。

查看pixmo-cap

Dataset card 内容： 

Files and versions 内容： 

关于 Allen Institute for AI , 艾伦人工智能研究所是一家专注于AI研究和应用的高级研究机构。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。