jingyaogong/minimind-v_dataset
Visual Question AnsweringZH, ENapache-2.0
Jingyaogong/minimind-v_dataset is a visual question answering-focused dataset in ZH, EN distributed in Parquet format. It is distributed under the apache-2.0 license and falls in the n<1K size category, and has been downloaded 1.4K times.
About jingyaogong/minimind-v_dataset
Ⅰ 数据集
本轮训练用到的图文数据全部来自 ALLaVA-4V 系列。
相比以往从几份 LLaVA 衍生集拼接得到的数据，ALLaVA-4V 的质量更整齐、中英双语原生对照，细粒度描述也更充分。
它由两个子源构成：一份是 LAION 里挑出来的高质量图片（自然图像为主），一份是 VFLAN 指令流里挑出来的图片（文档、图表、合成场景居多）。
Pretrain（pretrain_i2t.parquet，约 127 万条 / ~64 万张唯一图像）
ALLaVA-Caption-LA...
Details
- Task
- Visual Question Answering
- Language
- ZH, EN
- Format
- Parquet
- Rows / instances
- N/A
- Size
- n<1K
- Creator
- jingyaogong
- Year
- 2024
- License
- apache-2.0
- Downloads
- 1431
- Likes
- 36