pexels-photos-janpf

מה זה

המאגר מציג צילומי עולם אמיתי שהורדו ישירות מאתר פקסלס. הדאטהסט כולל 86 קבצים, רובם ארכיונים מכווצים בחלוקה פנימית כמו xca.zip או xcb.zip, לצד קובצי עזר המכילים רשימות קישורים וטבלאות מיפוי של סכומי ביקורת מסוג MD5. היוצר לא פירט כמה תמונות קיימות בסך הכל, איך הוא בחר אותן מהאתר, או אם התבצע סינון כלשהו על בסיס רזולוציה, תגיות או תוכן.

לפי כרטיס הדאטהסט המקורי, המיקום הזה נחשב מיושן ולא מתוחזק. המידע הועתק בשלמותו לכתובת חדשה תחת הארגון opendiffusionai, ושם שמות התמונות שונו כך שיתאימו לערכי ה־MD5 שלהן. מי שבוחר להשתמש בגרסה הזו מקבל בעיקר את קובצי ה־zip הישנים וטבלת תרגום שמאפשרת לקשר בין השמות הישנים לקבצים המקוריים.

מתאים ל

• אימון מודלי תמונה

  אימון או כוונון של מודלי דיפוזיה ויצירת תמונות על בסיס צילומי סטוק מגוונים.

• ניתוח ראייה ממוחשבת

  בדיקת אלגוריתמים לזיהוי אובייקטים וסגמנטציה על צילומים באיכות גבוהה.

• אימות שלמות קבצים

  שימוש ברשימות ה־MD5 המצורפות לבדיקת התאמה בין קבצים שהועברו למיקומים אחרים.

איפה זה נופל

המגבלה הכי גדולה היא שהמאגר מסומן למחיקה ואינו מעודכן. מעבר לכך, אין שום תיעוד על הטיות בתוכן, אילו קטגוריות צילום נכללות, שפות התגיות, או גודל הנתונים בדיסק. כדאי לבדוק את התמונות ידנית לפני שמכניסים אותן לפרויקט כדי לוודא שאין בהן חומרים לא רצויים או איכות לא אחידה.

איך טוענים

טוענים את הקבצים ישירות מהטרמינל בעזרת huggingface-cli לפקודת הורדה ייעודית שמכוונת לקובצי ה־zip. אין צורך בבקשת גישה מיוחדת, והמאגר פתוח להורדה ישירה. הקבצים שמורים כארכיונים דחוסים, כך שצריך לחלץ אותם מקומית לפני אימון, ולהשתמש בקובצי ה־url-list ובטבלאות ה־md5 כדי לעשות סדר בשמות.

from datasets import load_dataset

ds = load_dataset("ppbrown/pexels-photos-janpf")

הרישיון

הרישיון מוגדר כאחר. פקסלס עצמם מחזיקים ברישיון שימוש משלהם, אך בעל המאגר לא הצמיד רישיון סטנדרטי מוכר. בלי בדיקה של תנאי האתר המקורי, שימוש מסחרי במודל שמאומן על המידע הזה נמצא באזור אפור ומסוכן מבחינה משפטית.

הרישיון המלא ב־Hugging Face ↗