MMC4

发布方 U Washington 发布 2023-04 规模 100M 文档 / 571M 图

多模态与视觉单一数据集全球商用友好 vlm-sft

来源描述

C4 + 图，按 CLIP 相似度对齐的交错图文文档

ODC-By v1.0

近 30 天下载

多模态

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。

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。

由Waymo发布的最多样化的自动驾驶数据集。

迄今最大开放图文对数据集，SD 1.5/SDXL 训练基础

LAION-5B 净化版，移除 2236 条 CSAM 嫌疑链接

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。