laion400m

• Opis :

Zbiór danych LAION-400M jest całkowicie otwarty i swobodnie dostępny.

Pełny opis tego zbioru danych znajdziesz na https://laion.ai/laion-400-open-dataset/ .

Wszystkie obrazy i teksty w zbiorze danych LAION-400M zostały przefiltrowane za pomocą CLIP OpenAI poprzez obliczenie podobieństwa cosinus między tekstem i osadzonymi obrazami i usunięcie tych z podobieństwem poniżej 0,3. Próg 0,3 został określony na podstawie ocen przeprowadzanych przez ludzi i wydawał się być dobrą heurystyką do szacowania semantycznego dopasowania obrazu, tekstu i treści.

Pary obraz-tekst zostały wyodrębnione ze zrzutu danych sieciowych Common Crawl i pochodzą z losowych stron internetowych przeszukanych w latach 2014–2021.

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://laion.ai/blog/laion-400-open-dataset/

• Kod źródłowy : tfds.vision_language.laion400m.Laion400m

• Wersje :

  • 1.0.0 (domyślnie): Wersja pierwsza.

• Rozmiar pobierania : Unknown size

• Rozmiar zbioru danych : Unknown size

• Instrukcje ręcznego pobierania : ten zestaw danych wymaga ręcznego pobrania danych źródłowych do download_config.manual_dir (domyślnie jest to ~/tensorflow_datasets/downloads/manual/ ):
  Zapoznaj się z sekcją „Informacje o pobieraniu” na stronie https://laion.ai/blog/laion-400-open-dataset/

• Automatyczne buforowanie ( dokumentacja ): Nieznane

• Podziały :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ): Brak.

• Cytat :

@article{DBLP:journals/corr/abs-2111-02114,
  author    = {Christoph Schuhmann and
               Richard Vencu and
               Romain Beaumont and
               Robert Kaczmarczyk and
               Clayton Mullis and
               Aarush Katta and
               Theo Coombes and
               Jenia Jitsev and
               Aran Komatsuzaki},
  title     = { {LAION-400M:} Open Dataset of CLIP-Filtered 400 Million Image-Text
               Pairs},
  journal   = {CoRR},
  volume    = {abs/2111.02114},
  year      = {2021},
  url       = {https://arxiv.org/abs/2111.02114},
  eprinttype = {arXiv},
  eprint    = {2111.02114},
  timestamp = {Fri, 05 Nov 2021 15:25:54 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2111-02114.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

laion400m/images (konfiguracja domyślna)

• Struktura funkcji :

FeaturesDict({
    'caption': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8, description=image),
    'license': Text(shape=(), dtype=string),
    'nsfw': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'original_height': Scalar(shape=(), dtype=int32, description=original height of the image),
    'original_width': Scalar(shape=(), dtype=int32, description=original width of the image),
    'similarity': Scalar(shape=(), dtype=float64, description=cosine similarity score between the text and image embedding. Missing values default to -1.0),
    'url': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

laion400m/osadzenia

• Struktura funkcji :

FeaturesDict({
    'caption': Text(shape=(), dtype=string),
    'image_embedding': Tensor(shape=(512,), dtype=float16, description=CLIP image embedding),
    'license': Text(shape=(), dtype=string),
    'nsfw': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'original_height': Scalar(shape=(), dtype=int32, description=original height of the image),
    'original_width': Scalar(shape=(), dtype=int32, description=original width of the image),
    'similarity': Scalar(shape=(), dtype=float64, description=cosine similarity score between the text and image embedding. Missing values default to -1.0),
    'text_embedding': Tensor(shape=(512,), dtype=float16, description=CLIP text embedding),
    'url': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :