CaraArchive
קוד פתוחCaptiveDreamerרישיון לא דווח2026-08-15
אינדקס מטא-דאטה מקיף על מיליוני יצירות אמנות מפלטפורמת Cara. מקבלים כאן קישורים ישירים ותיוגים טכניים עשירים, אך ללא קובצי התמונות עצמם.
- 1,157הורדות בחודש
- 23לייקים
מה זה
המאגר מרכז נתונים על פוסטים ויצירות מהפלטפורמה החברתית לאמנים Cara, כשהוא מחולק למסד נתונים מסוג SQLite בשם catalog.db. בתוכו יושבות שלוש טבלאות מרכזיות, ביניהן טבלה של 8,521,351 קישורי CDN ליצירות ברזולוציה מלאה עם ממדי רוחב וגובה, טבלה של 3,431,475 תמונות שער ותצוגות מקדימות, וטבלת מטא-דאטה מקבילה הכוללת תיאורים, תגיות, רשימת תוכנות יצירה כמו בלנדר או פוטושופ ומוני לייקים ותגובות.
היוצרים ביצעו אנונימיזציה לנתונים שנאספו. מזהי המשתמשים הומרו למחרוזות הקסדצימליות, ובטקסטים של הכותרות והתיאורים הוסרו כתובות מייל, קישורים וחשבונות רשתות חברתיות והוחלפו בסימון ייעודי. בנוסף נשמרו סטטוסים של הפוסטים כדי לתעד האם פוסט נמחק או הפך לפרטי ברשת המקורית.
מתאים ל
- ניתוח מגמות של כלי יצירה
חקר השימוש בתוכנות גרפיקה שונות על בסיס מטא-דאטה של מיליוני יצירות ותגיות תוכנה.
- אימון מודלים להמלצת תוכן
בניית מערכות המלצה לאמנות לפי קישורי יוצרים, תגיות נושאיות, מדדי מעורבות ומספר תגובות.
- הורדת תמונות לאימון ראייה
שימוש במיליוני כתובות ה־CDN וממדי הרוחב והגובה כבסיס להורדה עצמאית של דאטהסט תמונות.
איפה זה נופל
במאגר אין אפילו תמונה אחת, אלא רק כתובות קישור לשרתי ה־CDN של Cara. אם תרצו לאמן מודל ראייה ממוחשבת, תצטרכו להוריד את כל המדיה בעצמכם, ואין ערובה שהקישורים החיצוניים יישארו זמינים לנצח. בנוסף, חלקי טקסט ופרטי יוצרים צונזרו והוסתרו, כך שאי אפשר לחלץ קישורים חיצוניים או שמות אמיתיים מתוך התיאורים. לא מפורט מידע על תמיכה בשפות שאינן אנגלית בתוכן הטקסטואלי.
שאלות
נפוצות
האם המאגר כולל את קובצי התמונות עצמם?
לא. המאגר מכיל רק קובץ מסד נתונים של מטא-דאטה וקישורים ישירים לקובצי המקור בשרתי האתר. אם התמונות נטענות בתצוגה המקדימה ברשת, הדפדפן מושך אותן ישירות מהשרת החיצוני ולא מתוך נתוני המאגר.
האם מותר להשתמש בנתונים לפרויקט מסחרי?
לא מומלץ כלל. לא דווח שום רישיון עבור המאגר, ולכן אין היתר שימוש מוגדר לחוקרים או למפתחים. מעבר לכך, התוכן והתמונות שייכים לאמנים שהעלו אותם לפלטפורמה המקורית.
כמה מקום המאגר דורש בדיסק?
קובץ בסיס הנתונים catalog.db שוקל 9.82 גיגה-בייט. אם תחליטו להשתמש בקישורים ולהוריד את מיליוני התמונות ברזולוציה מלאה למחשב שלכם, תצטרכו נפח אחסון גדול בעשרות מונים.
האם פרטי האמנים מופיעים בצורה גלויה?
לא. יוצרי המאגר החליפו את שמות המשתמשים והמזהים במחרוזות אנונימיות. בנוסף, כל אזכור של כתובת אימייל, קישור חיצוני או שם משתמש בתוך כותרות היצירות והתיאורים נמחק והוחלף בתווית צנזורה.
איך טוענים
אין צורך באישור גישה מיוחד כדי להוריד את הקבצים. המאגר מורכב מארבעה קבצים, כשהעיקרי בהם הוא קובץ ה־SQLite ששוקל 9.82 גיגה-בייט. התשאול נעשה ישירות מול בסיס הנתונים או באמצעות סקריפט הפייתון tool.py המצורף, שמספק ממשק שורת פקודה לשליפת מידע לפי מזהה יוצר, מזהה פוסט או שם קובץ תמונה. השדות המרכזיים לעבודה כוללים את כתובות ה־CDN, שדות התגיות והתוכנות, ומידות התמונות.
from datasets import load_dataset
ds = load_dataset("CaptiveDreamer/CaraArchive")הרישיון
היוצר לא הגדיר רישיון שימוש במאגר. מבחינה משפטית, היעדר רישיון אומר שכל הזכויות שמורות ואין הרשאה מפורשת להשתמש בנתונים, להפיץ אותם מחדש או לאמן עליהם מודלים, במיוחד לא בסביבה מסחרית. שימוש בחומרים כאלה חושף אתכם לסיכונים משפטיים מול בעלי המאגר ומול בעלי הזכויות המקוריים בפלטפורמה.