WAON 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。
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)
281
Hugging Face 按讚數
2
收錄日
2026年1月6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 | 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
hiragana_mojigazondl-lab18文字圖像數據集(平假名73個字符版)GitHub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。GitHub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。共同: 標註與資料集建置
ja-vg-vqayahoojapan30日本視覺基因組VQA數據集GitHub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。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)GitHub共同: 標註與資料集建置