为诺亚方舟实验室，1亿组图文对，填补中文开源多模态数据集空白

一、1亿组图文对，填补中文开源多模态数据集空白！还附带基础模型，来自华为诺亚方舟实验室

华为诺亚方舟实验室开源了第一个亿级中文多模态数据集：悟空。

这个新发布的数据集不仅规模大——包含1亿组图文对，而且质量也很高。

所有图像都是筛选过的，长宽都在200个像素以上，比例从1/3-3不等。

而和图像对应的文本也根据其语言、长度和频率进行了过滤，隐私和敏感词也都考虑在内。

例如这一组数据集中的例子，内容还相当新，像进门扫码登记，社区疫苗接种的防疫内容都有。

这一波可以说是填上了大规模中文多模态数据集的缺口。详情请看如下

为诺亚方舟实验室，1亿组图文对，填补中文开源多模态数据集空白一、1亿组图文对，填补中文开源多模态数据集空白！还附带基础模型，来自华为诺亚方舟实验室华为诺亚方舟实验室开源https://mp.weixin.qq.com/s?__biz=MzIzOTA2NTQ5NA==&mid=2247484253&idx=1&sn=918549f5dc8306c2270f5d54ae05704a&chksm=e92e83a4de590ab20d001e0a3bbc1104786ddd0b7a77ea35eecec26efad4605e06004020d175&token=1877048685&lang=zh_CN#rd