Pseudo Camera 10K
Dataset contenant 10 000 images haute résolution issues de photographes professionnels, avec légendes automatiques générées par CogVLM. Ce corpus est varié, avec de nombreux portraits et scènes de groupes annotés.
10 000 images haute résolution, annotations légendes automatiques, formats JPEG/PNG
Creative Commons (type exact à préciser)
Description
Le dataset Pseudo Camera 10K propose 10 000 images de haute qualité, redimensionnées avec un soin particulier pour limiter les artefacts. Les images sont annotées avec des légendes générées automatiquement par CogVLM, ce qui permet un usage immédiat pour entraîner des modèles vision-linguistique.
À quoi sert ce dataset ?
- Entraîner des modèles de vision avec annotations textuelles automatiques
- Améliorer la reconnaissance et description d’images complexes, notamment portraits et groupes
- Explorer l’impact du bruit naturel et des annotations imparfaites sur l’apprentissage
Peut-on l’enrichir ou l’améliorer ?
Oui, les légendes peuvent être corrigées manuellement pour améliorer la précision. On peut aussi ajouter des métadonnées sur la diversité culturelle ou les contextes des photos.
🔎 En résumé
🧠 Recommandé pour
- Chercheurs en vision
- Projets captioning
- Équipes de data annotation
🔧 Outils compatibles
- CogVLM
- PyTorch
- TensorFlow
- Frameworks de vision-linguistique
💡 Astuce
Corriger ou enrichir les légendes pour améliorer la qualité du modèle formé.
Questions fréquemment posées
Les légendes automatiques sont-elles parfaitement précises ?
Non, elles sont proches de 100% mais peuvent contenir des erreurs et nécessitent une vérification manuelle pour des usages critiques.
Ce dataset est-il adapté pour entraîner un modèle de captioning d’images ?
Oui, il est conçu pour fournir un corpus varié avec légendes automatiques, utile pour du captioning supervisé.
Quelle est la résolution des images ?
Les images ont une résolution minimale avec bord le plus petit à 1024 pixels, garantissant une bonne qualité visuelle.
