HumanEdit
קוד פתוחBryanWcc-by-4.02024-10-30
המאגר מרכז נתונים לעריכת תמונות מונחית הוראות עם דגש על משוב אנושי. הוא רלוונטי למי שמאמן מודלים לשינוי תמונה ומחפש חומר ממוקד ולא עוד גרידה אוטומטית עיוורת מהרשת.
- 1,021הורדות בחודש
- 24לייקים
מה זה
המאגר מיועד למשימות של טקסט לתמונה ועריכת תמונה לתמונה, ומכיל בין אלף לעשרת אלפים רשומות שמיועדות לאימון מודלים לפי הנחיות טקסטואליות. לפי המאמר המקושר של החוקרים, הדגש המרכזי כאן הוא איכות המבוססת על תגמול ומשוב אנושי בתהליך העריכה, בניגוד לדאטהסטים שמסתמכים על סינתזה עיוורת בלבד.
הכרטיס עצמו לא מפרט את אופן איסוף התמונות המקוריות, תהליך הסינון או המבנה הפנימי של כל דוגמה, אלא מפנה לקריאת המאמר המלא ולעמוד הפרויקט. הנתונים שמורים כולם תחת פיצול יחיד של אימון, והמאגר כולל שלושים וארבעה קובצי נתונים לצד קובצי תיעוד.
מתאים ל
- אימון מודלי עריכת תמונה
כוונון עדין של מודלי תמונה מבוססי הנחיות טקסט, תוך שימוש במידע שנבדק על ידי גורם אנושי.
- הערכת ביצועי שינוי תמונה
בדיקה של יכולת המודל ליישם הוראות עריכה מורכבות על בסיס דוגמאות איכותיות באנגלית.
- מחקר על משוב אנושי
ניתוח האופן שבו תגמול אנושי משפיע על איכות תוצרי יצירה ועריכה גנרטיבית.
איפה זה נופל
הכרטיס כמעט ריק ממידע טכני ולא מפרט מגבלות, הטיות תרבותיות או פרטים על אוכלוסיית הבודקים האנושיים. המאגר כולו מוגדר באנגלית בלבד ולכן לא יתאים ישירות להוראות עריכה בעברית. בנוסף, מדובר בהיקף צנוע של עד עשרת אלפים רשומות, כך שהוא לבדו כנראה לא יספיק לאימון מודל בסיס רחב מאפס, ותצטרכו לקרוא את המאמר כדי להבין מה באמת צולם שם.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, רישיון cc-by-4.0 מתיר שימוש מסחרי ללא תשלום. התנאי היחיד הוא מתן ייחוס ברור ליוצרי המאגר לפי הדרישות. מודל שתאמנו עליו אינו מחויב ברישיון פתוח.
האם יש במאגר תמיכה בהוראות בעברית?
לא, המאגר מתועד ומוגדר באנגלית בלבד. כל הטקסטים וההנחיות נכתבו באנגלית. אם תרצו להשתמש בו למודל שמבין עברית, תצטרכו לתרגם את ההוראות בעצמכם.
כמה דוגמאות יש בפנים ואיך הן שמורות?
המאגר כולל בין אלף לעשרת אלפים רשומות אימון. הנתונים מחולקים ל־34 קובצי פארקט שונים כדי להקל על הטעינה. כולם שייכים לפיצול האימון ואין חלוקה מובנית לסט בדיקה.
מה מייחד אותו לעומת סטים אחרים של עריכת תמונות?
המאגר נבנה סביב תגמול ובקרה של בני אדם על איכות העריכה. הוא נועד לספק דוגמאות מפוקחות יותר מאשר מאגרים סינתטיים עצומים. פרטים מלאים על שיטת הסינון מופיעים במאמר האקדמי הנלווה של החוקרים.
איך טוענים
טוענים את הנתונים ישירות דרך ספריית הדאטהסטס הרגילה של האגינג פייס בעזרת המזהה BryanW/HumanEdit. אין צורך בבקשת גישה מיוחדת או באישור ידני של היוצרים. המאגר מחולק ל־34 קובצי פארקט שונים תחת ספריית המידע, כך שצריך לקחת בחשבון זמן הורדה ופריסה של עשרות מקטעים לפני תחילת העבודה.
from datasets import load_dataset
ds = load_dataset("BryanW/HumanEdit")הרישיון
המאגר מופץ תחת רישיון cc-by-4.0. הרישיון הזה מתיר שימוש מסחרי, שינוי והפצה של הנתונים, כל עוד אתם נותנים קרדיט מתאים ליוצרים ומקשרים לרישיון. אין חובה לשתף תוצרי אימון או מודלים תחת אותו רישיון.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס