字节跳动 发布 SAIL-Caption 数据集, 应用在 视觉理解、语言模型 领域

字节跳动 本次发布的数据集 SAIL-Caption, SAIL-Caption是由字节跳动抖音内容组创建的大规模视觉理解数据集，包含1亿张图像样本，旨在为视觉语言模型（VLM）提供高质量的预训练数据。该数据集通过多任务、多节点、多处理的异步标注系统生成，确保了数据的多样性和高质量。数据集的内容涵盖了丰富的视觉元素，如独特的n-gram、名词、动词和形容词，显著优于其他公开的标注数据集。SAIL-Caption的创建过程包括数据收集、参考数据标注、标注模型训练和大规模数据生成。该数据集主要用于视觉语言模型的预训练，旨在提升模型在视觉理解和指令跟随任务中的表现。

查看SAIL-Caption

Dataset card 内容： 

Files and versions 内容： 

关于 字节跳动 , 字节跳动是一家全球领先的科技公司，成立于2012年，总部位于北京。该公司以其创新的内容平台和算法技术闻名，旗下拥有多个知名产品，如今日头条、抖音（TikTok）等。字节跳动致力于通过技术提升信息获取和分享的效率，业务覆盖全球多个国家和地区。

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。