Orr Zohar Mr

FineVision 数据集发布，以促进视觉-语言模型研究

研究人员推出了 FineVision，这是一个包含 2400 万个样本的新数据集，旨在推进视觉-语言模型（VLM）。该语料库通过一个半自动、人工参与的流程，整合了 200 多个来源，确保了数据的卫生、去重和安全性。与在现有开放数据集上训练的模型相比，在 FineVision 上训练的模型表现出更优越的性能，凸显了规模和细致的数据整理对 VLM 开发的重要性。该数据集及其整理工具的发布旨在促进以数据为中心的 VLM 方法的进一步研究。