MJHQ-30K
קוד פתוחplaygroundaiרישיון לא דווח2023-12-03
יש כאן גם סקירה על Playground AI עצמו.
מאגר של שלושים אלף תמונות באיכות אסתטית גבוהה שנאספו ממידג'רני. המטרה שלו היא לאפשר הרצת מבחני השוואה ומדדי איכות למודלי תמונה מול טקסט.
- 1,141הורדות בחודש
- 65לייקים
מה זה
המאגר מיועד להערכת ביצועים אוטומטית של איכות אסתטית במודלי תמונה, ומחשב את ציון הדימיון מול תמונות ייחוס ברזולוציה של 1024 על 1024. הוא מורכב מעשר קטגוריות תוכן מוגדרות: חיות, אמנות, אופנה, אוכל, פנים, נוף, סמלילים, אנשים, צמחים וכלי רכב. בכל קטגוריה כזו נכללו בדיוק 3,000 דגימות.
הצוות של פלייגראונד אסף את התמונות ממידג'רני וסינן אותן באמצעות ציוני אסתטיקה וציון התאמה של קליפ בין הטקסט לתמונה. לפי כרטיס המאגר נעשה מאמץ לייצר מגוון רחב בתוך כל קטגוריה, והחלוקה הפנימית מופרדת לתיקיות לפי נושאים כשלצידן קובץ נתונים שמכיל את הפרומפט המקורי לכל קובץ תמונה.
מתאים ל
- מדידת איכות מודלי תמונה
חישוב ציוני איכות אסתטית והתאמה למקור מול תמונות ייחוס.
- השוואת ביצועי קטגוריות
בדיקת איכות התוצרים בפילוח לפי עשרה נושאים כמו אופנה או אנשים.
- ניתוח פרומפטים סינתטיים
בחינת מבנה הפרומפטים ששימשו ליצירת תמונות מורכבות ומעובדות.
איפה זה נופל
כל הנתונים במאגר נוצרו באופן סינתטי על ידי מידג'רני, מה שמביא איתו את ההטיות הסגנוניות והמראה המעובד של המערכת הזו. המאגר מוגבל לשפה האנגלית בלבד, ואין בו שום ייצוג לטקסטים בעברית או בהקשר תרבותי מקומי. בנוסף, חסר מידע על תאריכי האיסוף המדויקים ועל גרסת המנוע הספציפית שייצרה את התמונות. אם אתם בונים מודל שאמור להתמודד עם תמונות טבעיות או צילומים תיעודיים, המדדים מול המאגר הזה עלולים לתת תמונה מטעה.
שאלות
נפוצות
האם מותר להשתמש במאגר לפרויקטים מסחריים?
במאגר לא צוין רישיון שימוש רשמי. המצב הזה מותיר את זכויות ההפצה והאימון ללא מעמד משפטי מוגדר, במיוחד לאור העובדה שמדובר בפלטים שנאספו ממידג'רני. מומלץ להימנע משימוש בו לפיתוח מוצרים מסחריים עד להסדרת הנושא.
האם הנתונים כוללים טקסטים בעברית?
לא, כל הפרומפטים במאגר מוגדרים בשפה האנגלית בלבד. המאגר מכיל פקודות טקסט ייעודיות באנגלית שנבנו במקור ליצירה במידג'רני. אי אפשר להעריך באמצעותו יכולות של מודלים בהבנת עברית.
איך נאספו התמונות והטקסטים?
היוצרים אספו תמונות שנוצרו במידג'רני וחילקו אותן לעשר קטגוריות נפוצות. לאחר מכן הם סיננו את התוצאות בעזרת מדדי איכות והתאמת טקסט לתמונה כדי לשמור רק על תוצרים מוגדרים היטב. המידע נשמר יחד עם הפרומפט המקורי ששימש להפקת כל תמונה.
מה נדרש כדי להריץ בדיקת איכות של מודל מול המאגר?
עליכם לייצר תמונות חדשות באמצעות המודל שלכם לפי אותם הפרומפטים שנמצאים בקובץ המטא דאטה. לאחר מכן מריצים חישוב של מדד הדמיון בין התמונות שיצרתם לבין תמונות הייחוס שבתיקיות המאגר. החישוב מתבצע ברזולוציה של 1024 על 1024 פיקסלים באמצעות ספריות ייעודיות.
איך טוענים
הגישה למאגר פתוחה לחלוטין ללא צורך באישור מוקדם. הורדת הנתונים מתבצעת ישירות דרך הספרייה של האגינג פייס על ידי משיכת קובץ דחוס יחיד בשם mjhq30k_imgs.zip, לצד קובץ המטא דאטה meta_data.json או דרך קובצי פארקט המחולקים לעשרים חלקים. לאחר חילוץ הזיפ מקבלים מבנה תיקיות לפי הקטגוריות. כל רשומה במטא דאטה כוללת את מזהה התמונה כמפתח, את שיוך הקטגוריה ואת מחרוזת הפרומפט באנגלית שבאמצעותה מייצרים תמונות להשוואה בחישוב מדד האיכות.
from datasets import load_dataset
ds = load_dataset("playgroundai/MJHQ-30K")הרישיון
היוצרים לא הגדירו רישיון בכרטיס המאגר. המשמעות המשפטית היא שזכויות השימוש אינן ברורות, בייחוד כשמדובר בפלטים שנוצרו על ידי שירות חיצוני כמו מידג'רני. לשימוש מסחרי מדובר בסיכון, ולא ברור האם מותר לאמן מודלים חדשים למכירה על בסיס הנתונים האלה.