Nouns

Los Nouns son un conjunto de datos multimodal compuesto por imágenes y leyendas de texto que se generan automáticamente a partir de atributos visuales, con el objetivo de entrenar modelos de generación de imágenes.

Obtén el dataset

Tamaño

49.859 imágenes JPEG y subtítulos de texto, 328 MB, formato Parquet

Licencia

CC0-1.0

Descripción

‍

Nouns contiene casi 50 000 imágenes JPEG con descripciones de texto que se generan automáticamente en función de los atributos, colores y objetos de las imágenes. Este conjunto de datos se usa principalmente para entrenar modelos para generar imágenes a partir del texto.

‍

¿Para qué sirve este conjunto de datos?

‍

Entrene modelos de conversión de texto a imagen para generar imágenes a partir de descripciones
Estudios sobre la relación entre los atributos visuales y el lenguaje natural
Evaluación y mejora de los modelos de subtitulado automático

‍

¿Se puede enriquecer o mejorar?

‍

Las leyendas generadas automáticamente se pueden refinar o completar manualmente para mejorar la calidad de las anotaciones y la relevancia de las descripciones para el entrenamiento.

‍

🔎 En resumen

Criterio	Evaluación
🧩 Facilidad de uso	⭐⭐⭐⭐⭐ (Dataset listo para usar, bien estructurado)
🧼 Necesidad de limpieza	⭐⭐⭐⭐⭐ (Bajo – captions automáticas ya formateadas)
🏷️ Riqueza de anotaciones	⭐⭐⭐✩✩ (Medio – captions generadas automáticamente)
📜 Licencia comercial	✅ Sí (CC0-1.0)
👨‍💻 Ideal para principiantes	✅ Sí, fácil de usar
🔁 Reutilizable para fine-tuning	✅ Perfecto para modelos text-to-image
🌍 Diversidad cultural	🖼️ Dataset centrado en objetos visuales diversos