一個由 jawiki-20250501 文章構建的日本維基百科圖片說明文字資料集,包含 1,054,434 個獨特(圖像、說明)對,以及 1,047,565 張已下載圖像,並附帶尺寸、hash、頁面資訊等元資料,下載成功率為 99.35%。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
643
Hugging Face 按讚數
2
收錄日
2026年8月9日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | 623 |
| 2026年9月 | 809 |
| 2026年10月 | 517 |
| 2026年11月 | 643 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- Cauldron-JAturing-motors7kCauldron‑JA 是一套日本視覺‑語言資料集,包含 44 個子資料集,這些子資料集是使用 DeepL API 將 The Cauldron 翻譯而成,通過 HuggingFace’s datasets library 可取得,授權條件與原始資料集完全相同,提示(prompts)則以 CC‑BY‑4.0 授權釋出。
- 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。
- JMMMUJMMMU3kJMMMU 是一個日語多模態基準,已擴充十倍至 1,320 個文化多樣化問題 (720 個文化中立,600 個文化特定),由母語專家翻譯,現在擁有公開排行榜。
- STAIR-Captionsshunk0312kSTAIR‑Captions 在 2017 年發布,提供 820,310 條日語字幕,用於字幕生成、多模態檢索和圖像生成,並帶有詳細標註、元資料以及 Creative Commons BY‑4.0 license。
- ogiri-boketeYANS-official1k一個僅包含日文的數據集,來自 Bokete crowdsourced joke 網站,分為三項任務——文字到文字、圖像到文字以及圖像中的文字完成,每項各有 100 個提示(約 900 答案),圖像到文字則有 500 個提示(2355 答案)。資料經過 OCR 處理並篩除不當內容。
- JMMMU-ProJMMMU1kJMMMU‑Pro 是一個基於圖像的日語多模態基準,透過現實模型生成視覺問題並經由人工驗證而創建,顯示目前開源 LMM 在此任務表現不佳,同時提供一種成本效益高的方法供未來 VQA 基準發展使用。
研究領域相近的資源
- honkoku-linesyuta1984660一份公民科學資料集,包含 1,169,304 行經過轉錄的日本歷史文本,來源於 79,086 張 IIIF 頁面影像。該資料集以約 1 GB 的 WebDataset 分片形式提供,其中包括高度為 256 px 的 JPEG 行圖裁剪以及相應的元數據,已準備好進行訓練/驗證/測試分割。共同: 語料庫與資料集・影像與多模態
- MOMIJIturing-motors594一個日本網路文件與影像資料集(約5600萬頁、1100億字元、2.49億張圖像),名為MOMIJI,設計用於訓練視覺‑語言模型,並附帶互動式可視化工具及生成文字欄位的實用腳本。共同: 語料庫與資料集・影像與多模態
- anime-with-caption-cc0alfredplpl541使用英文提示生成的 AI 動漫插圖,以及來自 Phi‑3 Vision 的字幕(英文與日文),已釋出至公共領域供免費使用。共同: 語料庫與資料集・影像與多模態
- manga109-segmentationmayocream352Manga109 Segmentation 是一個 v2.0.0 的僅註解資料集,提供漫畫文字、擬聲泡、面板、包含關係和日文翻譯的 COCO RLE 掩碼,以及更新後的監督式文字掩碼、清理過的正樣本與書籍獨立分割;圖像需另行從 Manga109 集合取得。共同: 語料庫與資料集・影像與多模態
- 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。共同: 語料庫與資料集・影像與多模態
hiragana_mojigazondl-lab18文字圖像數據集(平假名73個字符版)GitHub共同: 語料庫與資料集・影像與多模態