WAONは、サイズ、SigLIPスコアフィルタリングと重複排除(URL、キャプション、pHashによる)で構築された、大規模で高品質な日本語の画像‑テキストペアデータセットです。情報分析のためにApache 2.0の下でHuggingFaceに公開されました。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
281
Hugging Face の Like 数
2
掲載日
2026年1月6日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | 169 |
| 2026年2月 | 209 |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | 7,000 |
| 2026年6月 | 1,000 |
| 2026年7月 | 407 |
| 2026年8月 | 120 |
| 2026年9月 | 327 |
| 2026年10月 | 314 |
| 2026年11月 | 281 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- Cauldron-JAturing-motors7kCauldron‑JAは、DeepL APIを使ってThe Cauldronから翻訳された44個のサブデータセットからなる日本語ビジョン‑ランゲージデータセットです。HuggingFace’s datasets library を通じて入手可能で、オリジナルセットと同一のライセンスで提供され、プロンプトはCC‑BY‑4.0でリリースされています。
- Galgame-VisualNovel-Reuploadjoujiboi5kGalgame VisualNovelデータセット (OOPPEENN/566973746F6F6372656164656C65746572) の再構成された再アップロード。Hugging Face datasets の効率的な読み込みのため、すべてのオリジナル音声/テキストを保持し、複数のゲームサブセットオプションを備えた抽出スクリプトを提供します。
- JMMMUJMMMU3kJMMMUは、日本語のマルチモーダルベンチマークで、ネイティブ専門家が翻訳した1,320の文化的に多様な質問(720は文化に依存しない、600は文化固有)に拡張され、現在は公開リーダーボードを備えています。
- STAIR-Captionsshunk0312kSTAIR‑Captionsは2017年にリリースされ、キャプション生成、マルチモーダル検索、画像生成に利用できる820,310の日本語キャプションを提供します。詳細なアノテーション、メタデータ、Creative Commons BY‑4.0 ライセンス付きです。
- ogiri-boketeYANS-official1kボケテというクラウドソースジョークサイトから作られた日本語のみのデータセットで、テキスト‑トゥ‑テキスト、イメージ‑トゥ‑テキスト、およびテキスト‑イン‑イメージ完結の3つのタスクに分割されます。イメージ‑トゥ‑テキストには500件の画像プロンプト(2355件の回答)があり、他の2つのタスクはそれぞれ100件ずつ(各約900件の回答)です。OCRで処理し、不適切な内容をフィルタリングしています。
- JMMMU-ProJMMMU1kJMMMU‑Proは、現実的なモデルと人間による検証で視覚質問を生成して作成された画像ベースの日本語マルチモーダルベンチマークです。現在のオープンソースLMMがこのベンチマークで低い性能を示すことを明らかにし、将来のVQAベンチマーク開発に対して費用効果の高い方法を提供します。
研究分野が近いリソース
hiragana_mojigazondl-lab18文字画像データセット(平仮名73文字版)GitHub共通: アノテーション・データセット構築
j-ono-dataObakeConstructs11JSON形式で収録された、シンプルでオープンソースな日本語の擬音語や擬態語のコレクション。マンガのサンプル付き。GitHub共通: アノテーション・データセット構築- Japanese-Medical-VQA-12mMIL-UT423Japanese Medical VQA 12Mは、元の言語と日本語の両方でオリジナルおよび拡張キャプションを備えた約1,200万サンプルからなる大規模なマルチモーダルデータセットです。生成されたVQA質問回答ペアも含まれ、Parquet/Webdataset形式で公開されます。このデータセットはOpen‑PMC‑18Mから構築され、InternVL3.5を使用して拡張し、Qwen3‑30B‑A3Bで翻訳、GPT‑OSS 120BでVQA生成が行われています。共通: アノテーション・データセット構築
ja-vg-vqayahoojapan30日本のビジュアルジェノムVQAデータセットGitHub共通: アノテーション・データセット構築- Jaglellm-jp168Jagleは、画像–テキストペアとPDFコーパスから構築された約920万件のインスタンスを持つ日本語マルチモーダルポストトレーニングデータセットであり、LLM‑jp‑4‑VL 9B betaの訓練に使用され、日本語ビジョン・ランゲージタスクで性能向上が示されています。共通: アノテーション・データセット構築
LookVQAriken-grp8曖昧な日本語の質問を明確にするための視線に基づいたビジュアル質問応答データセット(LREC-COLING 2024)GitHub共通: アノテーション・データセット構築