laion-aesthetics-12m-umap

מה זה

הנתונים מבוססים על גרסת improved aesthetics 6plus של LAION, שמכילה תמונות שקיבלו ציון אסתטי מעל 6. היוצר לקח את תיאורי התמונות באנגלית, יצר עבורם וקטורים באמצעות המודל clip-vit-base-patch32 של OpenAI, והוריד את הממדים שלהם בהליך דו שלבי.

בשלב הראשון הוקטורים צומצמו לשישים וארבעה ממדים באמצעות היטל אקראי גאוסי כדי להיכנס לזיכרון של מעבד גרפי יחיד. לאחר מכן הופעל אלגוריתם UMAP כדי להגיע לשני ממדים, בשלוש וריאציות שונות של מספר שכנים קרובים: 10, 30 ו־60. כל רשומה כוללת את הקואורדינטות שחושבו בכל אחת משלוש הריצות הללו.

מתאים ל

• מפות דפדוף ויזואליות

  בניית ממשק גרפי לשיטוט וחקירה חזותית של מיליוני תיאורי תמונות על גבי מישור דו ממדי.

• בדיקת אשכולות סמנטיים

  ניתוח מהיר של נושאים וריכוזי טקסט באוסף האסתטי של לאיון לפי שכנויות שונות.

• הדגמות ויזואליזציה

  שימוש בנקודות מוכנות מראש לבדיקת ביצועים של רכיבי תצוגה מבוססי ווב ללא צורך בעיבוד וקטורי.

איפה זה נופל

ההורדה לדו ממד נעשתה על הטקסטים בלבד ולא על התמונות עצמן, כך שהמיפוי משקף דמיון סמנטי של כיתובים ולא דמיון חזותי. המאגר מכיל אנגלית בלבד ומבוסס על נתוני רשת שנסרקו בעבר עם כל ההטיות המובנות של לאיון וסינון היופי שלהם. שימוש בהיטל אקראי לפני ה־UMAP גורם לאובדן מידע מסוים ביחס לחישוב ישיר על הוקטור המקורי, ולכן הנתונים מתאימים בעיקר לתצוגה חזותית ולא כמדד מרחק מדויק למחקר.

איך טוענים

טוענים את קובץ ה־train.parquet ישירות באמצעות ספריית פנדס או מודול הדאטהסטס של האגינג פייס. הגישה פתוחה לחלוטין ואין צורך באישורים או מפתחות גישה. השדות המרכזיים כוללים את נתוני המקור ואת עמודות המיקום המחושבות x_nn10, y_nn10, ובהתאמה גם עבור nn30 ו־nn60, לפי רמת הצפיפות הרצויה במפה שלכם.

from datasets import load_dataset

ds = load_dataset("dclure/laion-aesthetics-12m-umap")

הרישיון

המאגר מופץ תחת רישיון MIT. הרישיון מתיר שימוש מסחרי, שינוי והפצה ללא הגבלה, כולל אימון מודלים או שילוב במוצר סגור, בתנאי ששומרים על הודעת זכויות היוצרים המקורית.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗