
文字圖像數據集(平假名73個字符版)
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
18
±0 (10月13日〜)
最後提交
2020年4月
GitHub 建立日期
2020年4月6日
收錄日
2025年12月23日
Star 數變化
以表格顯示
| 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 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
open-mantra-datasetmantra-inc208請將以下內容翻譯成繁體中文。
在AAAI21中介紹的《Towards Fully Automated Manga Translation》論文中介紹的數據集
STAIR-captionsSTAIR-Lab-CIT90STAIR字幕:大規模日本圖像字幕數據集
pdmocrdataset-part1ndl-lab82在數位化資料OCR文字化業務中所創建的OCR學習用資料集。
ja-vg-vqayahoojapan30日本視覺基因組VQA數據集
cameraCyberAgentAILab26CAMERA(CyberAgent多模態評估廣告文本生成)是日本的廣告文本生成數據集。
ndl-minhon-ocrdatasetndl-lab22NDL古典籍OCR學習用數據集(大家一起翻刻加工數據)
研究領域相近的資源
- Galgame-VisualNovel-Reuploadjoujiboi5k重構後重新上傳 Galgame VisualNovel 資料集 (OOPPEENN/5669736E6F76656C5F44617461736574),為了提高 Hugging Face 資料集載入效率,保留所有原始音訊 / 文字,並提供一段提取腳本,支援多種遊戲子集選項。HF 資料集共同: 標註與資料集建置
- WAONspeed281WAON 是一個大型、高品質的日語圖像-文字配對資料集,透過規模、SigLIP‑score 過濾以及去重(按 URL、標題和 pHash)建立,並以 Apache 2.0 於 HuggingFace 釋出,用於資訊分析。HF 資料集共同: 標註與資料集建置
j-ono-dataObakeConstructs11一個簡單的、開源的日語擬聲詞和擬音詞聲音詞彙的JSON格式收集。附帶漫畫示例。共同: 標註與資料集建置- Japanese-Medical-VQA-12mMIL-UT423Japanese Medical VQA 12M 是一個大型多模態資料集(約 12 M 個樣本),包含日語醫學影像及其原始和擴充的說明文字,說明文字同時以源語言與日語呈現,並附帶生成的 VQA 問答對。此資料集以 Parquet/Webdataset 格式發布,來源為 Open‑PMC‑18M,使用 InternVL3.5 進行擴充、Qwen3‑30B‑A3B 進行翻譯,以及 GPT‑OSS 120B 生成 VQA。HF 資料集共同: 標註與資料集建置
- Jaglellm-jp168Jagle 是一個約 920 萬筆的日本多模態後訓練資料集,由圖像–文字配對和 PDF 文本庫構成,用於訓練 LLM‑jp‑4‑VL 9B beta,並證明能提升日語視覺-語言任務的表現。HF 資料集共同: 標註與資料集建置
LookVQAriken-grp8一個針對澄清模糊日語問題的凝視導向視覺問答數據集(LREC-COLING 2024)共同: 標註與資料集建置