图片-中文图文 (download.html)

数据集简介

主要数据内容包括： 大规模中文图文配对数据（Chinese Image-Text Pair） 超过 1 亿组互联网中文图片与文本描述数据 覆盖人物、商品、风景、生活、文化等多类别视觉内容 高质量中文 Caption 与视觉语义数据资源 包含图片 URL、文本标签与元数据信息 面向中文多模态预训练的跨模态数据资源 支持的能力方向包括： 中文 Vision-Language Model（VLM）训练 中文多模态大模型预训练 图文语义对齐与跨模态学习 图像检索与文本检索训练 文生图（Text-to-Image）与视觉理解任务 中文 CLIP 类模型训练与零样本学习 适用于： 中文多模态 AI 模型研发 AIGC 图像生成与理解 中文视觉语言基础模型训练 图文检索与语义分析任务 多模态 Benchmark 评测与算法验证 计算机视觉与跨模态数据研究

数据质量