商湯科技等機構聯合開源了百億級圖文交錯數據集OmniCorpus,規模是現有數據集的15倍,包含86億張圖像和16,960億個文本標記。OmniCorpus數據集在多語言、多類型數據抓取上進行了優化,提高了內容提取的質量和完整性。通過人工反饋和自動過濾規則,確保了數據集的高質量。在VQA和Image Captioning等測試中,基于OmniCorpus預訓練的模型表現出色,對訓練多模態大模型有重要幫助。
北京第二十六維信息技術有限公司(至頂網)版權所有. 京ICP備15039648號-7 京ICP證161336號京公網安備 11010802021500號
舉報電話:010-62641205-5060 涉未成年人舉報專線:010-62641208 舉報郵箱:jubao@zhiding.cn
網上有害信息舉報專區:https://www.12377.cn