svgfind
קוד פתוחnyuuzyouother2025-04-28
מאגר ענק של למעלה מ־3.6 מיליון אייקונים וקטוריים שמיועדים לאימון מודלי יצירת גרפיקה וסיווג. הנתונים כוללים קוד SVG שעבר כיווץ יחד עם תיוגים, שמות וחלוקה לפי רישיונות.
- 1,175הורדות בחודש
- 34לייקים
מה זה
המאגר מרכז 3,655,810 רשומות של אייקונים וקטוריים שנאספו מאתר SVGFind.com. המטרה שלו היא לספק תשתית נתונים רחבה לפיתוח ממשקים, בניית אתרים ואימון מודלים של ראייה ממוחשבת ויצירת תמונות מטקסט. כל רשומה כוללת את מזהה האייקון, כותרת, חבילת המקור שאליה הוא שייך, מערך תגיות טקסטואליות, כתובת להורדה ישירה, שם בעל הזכויות, ומחרוזת שלמה עם קוד ה־SVG של הקובץ.
קוד ה־SVG בכל רשומה עבר תהליך הקטנה וצמצום תווי רווח באמצעות הכלי tdewolff/minify כדי לחסוך מקום בלי לפגוע במראה הוויזואלי. החלוקה במאגר מתבצעת לשני חלקים עיקריים לפי סוג הרישיון: החלק של קריאייטיב קומונס מכיל את רוב החומר המכריע עם 3,645,444 רשומות, ואילו החלק של נחלת הכלל קטן בהרבה וכולל 10,366 אייקונים בלבד.
מתאים ל
- אימון מחוללי SVG
אימון מודלי שפה או רשתות דיפוזיה ליצירת קוד וקטורי ישיר על בסיס תיאור טקסטואלי.
- סיווג ותיוג אייקונים
בניית מסווגים של סמלים גרפיים שמזהים קטגוריות ונושאים לפי צורת הווקטור.
- העשרת מאגרי עיצוב
חיפוש ואינדוקס אלמנטים גרפיים מוכנים לאפליקציות לפי תגיות נושאיות באנגלית.
איפה זה נופל
הטקסטים, הכותרות והתגיות במאגר קיימים באנגלית בלבד. אין שום תמיכה בעברית, ולכן מודל שיאומן עליו לא יזהה מושגים מקומיים בלי תרגום או מיפוי מקדים. מעבר לכך, המטא-דאטה מבוסס על תיוג קיים מהאתר המקורי, מה שעלול לייצר כפילויות של סגנונות ואיכות תיוג לא אחידה בין חבילות אייקונים שונות. המידע מסתמך כולו על דיווחי היוצרים באתר המקור, כך שיש לבדוק ידנית את תקינות הווקטורים לפני שמכניסים אותם לאימון מודל קריטי.
שאלות
נפוצות
האם מותר להשתמש במאגר למטרות מסחריות?
התשובה תלויה בחלק שבו אתם משתמשים. החלק של נחלת הכלל מותר לחלוטין, אבל החלק הגדול של קריאייטיב קומונס מחייב בדיקה של סוג הרישיון הספציפי ברשומת האייקון, כולל דרישות ייחוס שמפורטות בתיקיית הקבצים המצורפת.
האם יש במאגר תמיכה בשפה העברית?
לא, הנתונים לא כוללים עברית כלל. כל הכותרות והתגיות שנאספו מאתר המקור כתובות באנגלית בלבד. אם רוצים לחפש או לאמן בעברית, תצטרכו לתרגם את התגיות קודם לכן.
איך נאספו האייקונים לקובץ?
כל הנתונים הגיעו מסריקה של אתר SVGFind.com. המפרסם איגד את האייקונים, חילץ את פרטי היוצרים, כיווץ את קוד ה־SVG כדי לחסוך נפח, וחילק את הקבצים לקבוצות לפי סוגי הזכויות המדווחים.
איך טוענים
הקבצים שמורים בפורמט JSONL מכווץ ב־Zstandard דרך 42 קבצים מפוצלים, ללא צורך באישור גישה מיוחד. כדי להתחיל לעבוד איתם צריך לפתוח את כיווץ ה־zst ולטעון את השורות ישירות לסביבת העבודה. שני השדות המרכזיים למשימות למידה הם svg_content שמכיל את קוד הווקטור הממוזער ו־tags שמרכז את מילות המפתח באנגלית. לצדם יש תיקיית ייחוס נפרדת עם קובצי מרקדאון מכווצים שמרכזים את שמות היוצרים לכל רישיון.
from datasets import load_dataset
ds = load_dataset("nyuuzyou/svgfind")הרישיון
הרישיון הכללי מוגדר בתור other מכיוון שמדובר באוסף שמורכב משני רישיונות שונים. החלק של נחלת הכלל חופשי לחלוטין לכל שימוש, אך הוא מהווה פחות מאחוז אחד מהנתונים. הרוב המוחלט כפוף לרישיונות קריאייטיב קומונס, המחייבים מתן קרדיט לפי קובצי הייחוס המצורפים, ויש לוודא את תנאי המשנה המדויקים לפני שמשלבים תוצרים במודלים מסחריים.