Dataset Viewer
Auto-converted to Parquet Duplicate
Search is not available for this dataset
image
imagewidth (px)
768
3.93k

nvidia/DLC-Bench(複製)

データの内容

詳細な局所キャプション付けモデル(Describe Anything)を評価するベンチマーク DLC-Bench のデータ。画像(image 列)77 行と JSON が入る。ライセンスは CC BY-NC-SA 4.0 で、カードは主に研究目的での利用を求めている。

データの概要

項目 値
行数 77(1 構成・1 分割の合計)
列数 1
容量 27.65 MB(ファイル 82 本)
ファイルの形式 jpg 77、json 3
言語 en
公開 public

構成と分割

構成(config) 分割(split)ごとの行数 列数
default train 77 1

列(構成 default・分割 train)

列 型 先頭の行の値
image image (画像・音声のファイル)

行数と列は HF のデータセットビューアの集計(元のデータセットの現在の版で数えたもの)。全データセットの一覧は HYUKI5/dataset-catalog にある。

複製について

nvidia/DLC-Bench をリビジョン 2336d95306d603c1cd4300bbd5b618445172c4e6 の時点でそのまま複製したもの。中身は変えていない。判断モデル Laya(convaiinnovations/laya)の微調整に使う候補として、調査メモ(Laya 学習用データセット調査)に載せたデータを集めている。

出典

論文

アノテーションの方法

元のカードにアノテーションの節が無かった。下の「調査メモの記述」と「元のカード」を参照。

微調整に使うときの注意

  • 調査メモの台帳での区分: D(記載なし・other・unknown・資料間の食い違い)。区分は記載の文言で機械的に付けたもので、法的な判定ではない。学習に入れる前に元のカードとライセンスの原文で確かめる。
  • Laya の入力は 2,048 token まで(ModernBERT-large / mmBERT)。長い本文は先頭から黙って切られるので、切れる行は事前に除くか、要約・切り出しをしてから入れる。
  • 分割は記事・文書単位で行い、同じ本文から作った別の問いを学習側と較正側に分けない。温度と閾値は学習に使っていない分割で別々に当てる。

調査メモの記述

メモ 節 ライセンス(記載) 確認 注記
nvidia_nemotron.md 付録. 取得した nvidia 組織のデータセット全件の簡易一覧 (L537) - 確認済 確認印なし(各ファイルの凡例により確認済扱い) / 原文注記: × 非テキスト(ロボット・自動運転・3D・音声・画像・科学計算)または翻訳版ベンチ

元のカード(日本語訳)

以下は元のデータセットのカードの本文を日本語に訳したもの(機械翻訳)。訳に疑問があるときは、末尾の原文を確かめる。


Describe Anything: Detailed Localized Image and Video Captioning

NVIDIA, UC Berkeley, UCSF

Long Lian, Yifan Ding, Yunhao Ge, Sifei Liu, Hanzi Mao, Boyi Li, Marco Pavone, Ming-Yu Liu, Trevor Darrell, Adam Yala, Yin Cui

[論文] | [コード] | [プロジェクトページ] | [動画] | [HuggingFace デモ] | [モデル/ベンチマーク/データセット] | [引用]

DLC-Bench のデータセットカード

詳細な局所キャプション付けベンチマーク(DLC-Bench)のためのデータセット。

ライセンス

CC BY-NC-SA 4.0

想定される用途

このデータセットは、詳細な局所キャプション付けモデルの理解と利用を示し、促進することを目的としている。主に研究目的で使うべきである。

倫理的な配慮

NVIDIA は、信頼できる AI は共有の責任であると考えており、幅広い AI 用途の開発を可能にするため、方針と実践を確立している。利用規約に従ってダウンロードまたは利用される場合、開発者は社内のモデルチームと協力して、このモデルが該当する業界と用途の要件を満たし、想定外の製品の誤用に対処することを確認されたい。

セキュリティ上の脆弱性や NVIDIA の AI に関する懸念は、こちら から報告されたい。

原文(英語)

Describe Anything: Detailed Localized Image and Video Captioning

NVIDIA, UC Berkeley, UCSF

Long Lian, Yifan Ding, Yunhao Ge, Sifei Liu, Hanzi Mao, Boyi Li, Marco Pavone, Ming-Yu Liu, Trevor Darrell, Adam Yala, Yin Cui

[Paper] | [Code] | [Project Page] | [Video] | [HuggingFace Demo] | [Model/Benchmark/Datasets] | [Citation]

Dataset Card for DLC-Bench

Dataset for detailed localized captioning benchmark (DLC-Bench).

LICENSE

CC BY-NC-SA 4.0

Intended Usage

This dataset is intended to demonstrate and facilitate the understanding and usage of detailed localized captioning models. It should primarily be used for research purposes.

Ethical Considerations

NVIDIA believes Trustworthy AI is a shared responsibility and we have established policies and practices to enable development for a wide array of AI applications. When downloaded or used in accordance with our terms of service, developers should work with their internal model team to ensure this model meets requirements for the relevant industry and use case and addresses unforeseen product misuse.

Please report security vulnerabilities or NVIDIA AI Concerns here.

Downloads last month
202

Paper for HYUKI5/nvidia__DLC-Bench