FineVision HuggingFaceM4
Fine Vision FineVision is a massive collection of datasets with 17.3M images, 24.3M samples, 88.9M turns, and 9.5B answer tokens, designed for training state-of-the-art open Vision-Language-Models. More detail can be found in the blog post: https://huggingface.co/spaces/HuggingFaceM4/FineVision Load the data from datasets import load_dataset, get_dataset_config_names # Get all subset names and load the first one available_subsets =… See the full description on the dataset page: https://huggingface.co/datasets/HuggingFaceM4/FineVision.
- 種別
- dataset
- ダウンロード
- 112,161
- いいね
- 512
- アクセス
- public
- ファイル
- 0
タグ
- マルチモーダル
- 視覚モデル
- 対話データ
- 画像データセット
- 指示微調整
- 大言語モデル
- テキストデータセット
- 事前学習
概要
FineVisionは、オープンな視覚言語モデル(VLM)を訓練するための大規模マルチモーダル・データセット群です。1730万枚の画像、2430万サンプル、8890万ターン、95億トークンの回答を含みます。チャート、化学、回路図、ダイアグラム、ドキュメント、数学、音楽、表など多岐にわたるCoSynサブセットから構成され、画像とユーザー/アシスタント対話テキストをペアで提供します。各サブセットには関連性・視覚依存度・画像対応度・フォーマット品質の評価ラベルが付与され、高品質なVLMの教師あり微調整(SFT)に適しています。
README
--- dataset_info: - config_name: CoSyn_400k_chart features: - name: images list: image - name: texts list: - name: user dtype: string - name: assistant dtype: string - name: source dtype: string - name: relevance_ratings list: int64 - name: relevance_min dtype: int64 - name: visual_dependency_ratin…