OpenGVLab 发布 InternVL-SA-1B-Caption 数据集, 应用在 图像处理、多语言学习 领域

OpenGVLab 本次发布的数据集 InternVL-SA-1B-Caption, InternVL-SA-1B-Caption数据集是一个包含1200万张图像-标题对的双语数据集，涵盖英语和中文。所有图像均来自Meta的SA-1B数据集，标题由InternVL2-Llama3-76B模型生成，使用特定提示以减少幻觉并确保基于可见图像内容的准确描述。数据集分为四类主要文件，根据图像数量和语言分类，包括单图像标题和多图像标题。该数据集适用于图像标题生成、多语言学习和多模态应用等任务。

查看InternVL-SA-1B-Caption

Dataset card 内容： 

Files and versions 内容： 

关于 OpenGVLab , OpenGVLab是一个专注于计算机视觉和机器学习研究的组织。

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。