Salesforce 发布 KALE 数据集, 应用在 计算机视觉、自然语言处理 领域

Salesforce 本次发布的数据集 KALE, 该数据集包含了2.18亿张图像和文本的配对，它填补了描述性合成字幕与实际网络规模的替代文本之间的空白。KALE方法通过将合成密集图像字幕与网络规模的替代文本结合，生成了基于事实的图像字幕，并在用于训练模型时，在视觉-语言任务上展示了显著的改进。这一数据集的规模达到了2.18亿图像-文本对，适用于视觉-语言模型的训练和评估任务。

查看KALE

Dataset card 内容： 

Files and versions 内容： 

关于 Salesforce , Salesforce是全球领先的云计算公司，专注于提供CRM软件和服务。

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。