图片-图文配对 (Open-Qwen2VL-Data)

数据集简介

主要数据内容包括： 大规模图文配对数据（Image-Text Pair） 超过千万级高质量互联网图像与文本描述数据 包含图片 Caption、URL、分辨率、EXIF 与哈希等元数据信息 整合 CC3M、CC12M、DataComp 等公开多模态数据资源 经过 CLIP、MLM-Filter 等质量过滤后的高质量视觉语义数据 支持 WebDataset 格式的大规模多模态训练数据 支持的能力方向包括： Vision-Language Model（VLM）训练 多模态大模型（MLLM）预训练 图像描述（Image Captioning）训练 图文语义对齐与跨模态学习 多模态推理与视觉理解能力训练 OCR、视觉问答（VQA）与视觉生成相关任务训练 适用于： 多模态 AI 模型研发 Qwen2VL 类视觉语言模型训练 图文生成与理解任务 AIGC 多模态数据训练 多模态 Benchmark 与算法评测 大规模视觉语义数据研究

数据质量