Indiana University Bloomington 发布 LLaVA image-text pretraining dataset 数据集, 应用在 视觉语言模型、预训练数据集 领域

Indiana University Bloomington 本次发布的数据集 LLaVA image-text pretraining dataset, LLaVA图像-文本预训练数据集是一个包含558,000个图像-标题对的数据集，主要用于视觉语言模型（VLM）的训练。为了提高数据集的质量和安全性，研究团队通过结合多个模型（如LlavaGuard和Toxic-BERT）对数据集中的有害内容进行了识别和过滤，最终去除了7,531个有害的图像-文本对。该数据集旨在为研究界提供一个更安全、更负责任的视觉语言模型训练资源，以促进更安全、更公平的多模态系统的发展。

查看LLaVA image-text pretraining dataset

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。