返回数据集雷达

Docmatix

Docmatix

发布方 HuggingFace 发布 2024-07 规模 1.3M 文档 / 9.5M QA
多模态与视觉 单一数据集 全球 商用友好 vlm-sft huggingface
访问 huggingface.co

来源描述

PDF/扫描件大规模 DocVQA 数据，DocOwl 等模型训练用

Apache 2.0

HuggingFace 实测指标

HuggingFaceM4/Docmatix ↗
近 30 天下载
23.5K
点赞
319
最近更新
2024-08-26
HF 授权标签
mit
datasets-server 实测规模
2.5M 条 · 914.4 GB
由 HuggingFace datasets-server 现算，不是榜单页手写的数字
HF 规模档 1M<n<10M en

训练阶段（本刊判断）

预训练 中训练

用途与主题（本刊判断）

多模态

同领域 · 多模态与视觉

LAION-2B-en ★

包含25亿张图像和相应的文本描述，适用于多模态模型的训练。
ImageNet ★

大型图像数据集，包含数百万张标注图像，广泛用于计算机视觉任务。
Waymo Open Dataset ★

由Waymo发布的最多样化的自动驾驶数据集。
LAION-5B

迄今最大开放图文对数据集，SD 1.5/SDXL 训练基础
RE-LAION-5B

LAION-5B 净化版，移除 2236 条 CSAM 嫌疑链接
DataComp-1B

高质过滤的 CLIP 训练对，CommonPool 基础上人工 filtering

领域、训练阶段、用途、License 分级与本刊判断由本刊维护； 下载量 / 点赞 / 更新时间 / 实测规模来自 HuggingFace Hub 官方 API 与 datasets-server，每周自动刷新。 规模、许可证与商用授权最终请以 原站 为准。