PixelProse

Ein umfangreicher Datensatz für Bildbeschreibungen mit über 16 Millionen synthetisch generierten Bildbeschreibungen.

Normales ProduktAndereBildbeschreibungVisuell-linguistisches Modell

PixelProse ist ein von der tomg-group-umd erstellter, umfangreicher Datensatz, der über 16 Millionen detaillierte Bildbeschreibungen mithilfe des fortschrittlichen visuell-linguistischen Modells Gemini 1.0 Pro Vision generiert hat. Dieser Datensatz ist von großer Bedeutung für die Entwicklung und Verbesserung von Technologien zur Bild-zu-Text-Übersetzung und kann für Aufgaben wie die Generierung von Bildbeschreibungen und visuelle Frage-Antwort-Systeme verwendet werden.

Best AI Websites & Tools

PixelProse

PixelProse Neueste Verkehrssituation

PixelProse Besuchstrend

PixelProse Geografische Verteilung der Besuche

PixelProse Traffic-Quellen

PixelProse Alternativen

PixelProse — Ein umfangreicher Datensatz für Bildbeschreibungen mit über 16 Millionen synthetisch generierten Bildbeschreibungen.

PaliGemma2-3b-pt-448 — PaliGemma 2 ist ein leistungsstarkes visuell-linguistisches Modell, das verschiedene visuell-linguistische Aufgaben unterstützt.

Aya Vision 32B — Aya Vision 32B ist ein mehrsprachiges visuell-sprachliches Modell, das für OCR, Bildbeschreibung, visuelles Schließen und andere Zwecke geeignet ist.

Level-Navi Agent-Suche — Level-Navi Agent ist ein sofort einsetzbares Framework, das große Sprachmodelle zur tiefgehenden Abfrageanalyse und präzisen Suche nutzt.

VLM-R1 — VLM-R1 ist ein stabiles und universelles visuell-linguistisches Verstärkungsmodell, das sich auf visuelle Verständnisaufgaben konzentriert.

Signs — Eine KI-gestützte Plattform zum Lernen und zur Unterstützung der amerikanischen Gebärdensprache (ASL).

MILS — LLMs können sehen und hören, ohne dafür trainiert zu werden.

SmolVLM-500M-Instruct — SmolVLM-500M ist ein leichtgewichtiges multimodales Modell, das Bild- und Texteingaben verarbeiten und Textausgaben generieren kann.

Nemotron-CC — Wandelt Common Crawl in einen fein abgestimmten Datensatz für langfristiges Pretraining um.

PaliGemma2-3b-pt-224 — PaliGemma 2 ist ein leistungsstarkes visuell-sprachliches Modell, das Bild- und Textverarbeitungsaufgaben in verschiedenen Sprachen unterstützt.

InternVL2_5-26B-MPO — Großes multimodaler Sprachmodell, das die Interaktion zwischen visuellen und sprachlichen Informationen verbessert.

AGIBOT WORLD — Umfangreicher Roboterlern-Datensatz zur Förderung der Entwicklung vielseitig einsetzbarer Roboterstrategien.

Intelligenter Bildbeschreibungsgenerator — Generiert mithilfe intelligenter Technologie kontextbezogene Beschreibungen für Bilder.

InternVL2_5-1B-MPO — Multimodales großes Sprachmodell zur Verbesserung des umfassenden Verständnisses von visuellen und sprachlichen Informationen.

PicWordify — Automatische Generierung beschreibender Texte für Website-Bilder

RapBank — Der erste Datensatz für die Generierung von Rap-Musik

RLVR-GSM-MATH-IF-Mixed-Constraints — Datensatz mit mathematischen Problemen zur Verstärkung des Lernens

MAmmoTH-VL — Großskaliger multimodaler Inferenz- und Anweisungsoptimierungsplattform

OpenGVLab InternVL — Ein KI-basiertes visuell-linguistisches Modell, das Bildanalyse- und beschreibungsdienste bietet.

FineWeb2 — Mehrsprachiger vortrainierter Datensatz

Qwen2-VL-7B — Qwen2-VL-7B ist ein neuestes visuell-linguistisches Modell, das multimodalen Verständnisses und Textgenerierung unterstützt.

OLMo 2 1124 13B Präferenz-Mix — Großer mehrsprachiger Präferenz-Mischdatensatz

dolmino-mix-1124 — Hochwertiger Datensatz für die zweite Phase des OLMo2-Trainings.

Tülu 3 — Open-Source-Framework für das Fine-Tuning von hochmodernen Sprachmodellen

WorkflowLLM — Datengetriebenes Framework zur Verbesserung der Workflow-Orchestrierung von großen Sprachmodellen

Aquila-VL-2B-llava-qwen — Visuell-linguistisches Modell, das Bild- und Textinformationen zur intelligenten Verarbeitung kombiniert.

ROCKET-1 — Ein visuell-zeitlicher Kontext-Prompt-Modell zur Steuerung von Interaktionen in offenen Welten.

joy-caption-batch — Ein Tool zur Erstellung beschreibender Titel für Bilddateien im Batch-Verfahren.

1X Weltmodell — Ein fortschrittliches Weltmodell zur virtuellen Simulation und Evaluierung von Robotern.

GameGen-O — Ein Diffusions-Transformationsmodell zur Generierung von Open-World-Videospielen