跳到主要内容Skip to main content

Models · Data · Multimodal

多模态

图文、视频与音频对;图像版权随源站,不能默认可商用。 这一页收 3 张卡;点进单卡看许可、规模、任务适配与使用边界。

多模态

LAION-5B

大规模图文对,适合研究对比学习与图文检索。

规模
58.5 亿图文对(URL 元数据)
许可
元数据 CC-BY-4.0;图像版权随源站
获取
元数据下载 / 图像需回源

不托管图像;URL 会失效,图像许可与肖像权要逐条核对,不能默认可商用。

看数据卡 →
多模态

DataComp-1B

固定训练预算下比较数据筛选方法,适合做可复现的缩放实验。

规模
约 14 亿图文对
许可
CC-BY-4.0(元数据);图像随源站
获取
直接下载元数据

图像不随数据集重新分发;商用前要核对源站许可与肖像权。

看数据卡 →
多模态

COCO Captions

图像描述的标准基线,标注格式稳定,适合做小规模对照。

规模
约 33 万张图 / 每图 5 条描述
许可
标注 CC-BY-4.0;图像随 Flickr 源站
获取
直接下载

图像来自 Flickr,许可不统一;不能把整个数据集默认成商用可分发。

看数据卡 →