
文字图像数据集(平假名73个字符版)
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
18
±0 (10月13日〜)
最后提交
2020年4月
GitHub 创建日期
2020年4月6日
收录日
2025年12月23日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 18 |
| 2026年1月 | 18 |
| 2026年2月 | 18 |
| 2026年3月 | 18 |
| 2026年4月 | 18 |
| 2026年5月 | 18 |
| 2026年6月 | 18 |
| 2026年7月 | 18 |
| 2026年8月 | 18 |
| 2026年9月 | 18 |
| 2026年10月 | 18 |
| 2026年11月 | 18 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
open-mantra-datasetmantra-inc208在AAAI21年会上介绍的《全自动漫画翻译》论文中介绍的数据集
在AAAI21年会上介绍的《全自动漫画翻译》论文中介绍的数据集
STAIR-captionsSTAIR-Lab-CIT90STAIR字幕:大规模日本图像字幕数据集
pdmocrdataset-part1ndl-lab82在数字化资料OCR文本化业务中创建的OCR学习用数据集
ja-vg-vqayahoojapan30日本视觉基因问答数据集
cameraCyberAgentAILab26CAMERA(CyberAgent多模态广告文本生成评估)是日本广告文本生成数据集。
ndl-minhon-ocrdatasetndl-lab22NDL古典籍OCR学习用数据集(大家一起翻刻加工数据)
研究领域相近的资源
- Galgame-VisualNovel-Reuploadjoujiboi5k为高效加载 Hugging Face datasets,重新结构化并重新上传 Galgame VisualNovel 数据集(OOPPEENN/5669737465666C656E63655F44617461337072657330),保留所有原始 audio/text,并提供带多种 game-subset 选项的 extraction script。HF 数据集共同: 标注与数据集构建
- WAONspeed281WAON 是一个大型、高质量的日语图文配对数据集,采用尺寸、SigLIP‑score 过滤和去重(按 URL、标题和 pHash)构建,并在 HuggingFace 上以 Apache 2.0 许可证公开,用于信息分析。HF 数据集共同: 标注与数据集构建
j-ono-dataObakeConstructs11一个简单的、开源的日语拟声词和拟态词的收集,以JSON格式呈现。附带漫画示例。共同: 标注与数据集构建- Japanese-Medical-VQA-12mMIL-UT423Japanese Medical VQA 12M 是一个大规模多模态数据集(≈12 M 样本),包含日语医学图像的原始和增强说明文字,均提供源语言和日语版本,以及生成的 VQA 问答对。该数据集以 Parquet/Webdataset 格式发布,并使用 InternVL3.5 对 Open‑PMC‑18M 进行增强,使用 Qwen3‑30B‑A3B 进行翻译,使用 GPT‑OSS 120B 生成 VQA。HF 数据集共同: 标注与数据集构建
- Jaglellm-jp168Jagle 是一个约 920 万实例的日本多模态后训练数据集,构建自图像–文本对和 PDF 文本,用于训练 LLM‑jp‑4‑VL 9B beta,并已被证明能提升日语视觉语言任务性能。HF 数据集共同: 标注与数据集构建
LookVQAriken-grp8一个以凝视为基础的视觉问答数据集,用于澄清模糊的日语问题(LREC-COLING 2024)共同: 标注与数据集构建