svg-stack
קוד פתוחstarvectorרישיון לא דווח2025-01-10
מאגר קוד SVG שמיועד לאימון והערכה של מודלים לווקטוריזציה של תמונות. הוא מרכז קבצים וקטוריים מוכנים למי שמפתח מודלים מולטימודליים או מודלי שפה שמייצרים גרפיקה.
- 959הורדות בחודש
- 36לייקים
מה זה
המאגר מכיל קוד SVG טהור שמיועד להזנה ישירה למודלי ראייה ושפה. כל שורה מורכבת משני שדות בלבד, מזהה ייחודי של הקובץ בשם Filename, ומחרוזת הטקסט המלאה של ה־Svg עצמו. אין כאן תמונות מפוקסלות מרונדרות, תגיות סיווג או תיאורים מילוליים נלווים, אלא רק את הקוד הווקטורי הגולמי שבונה את הצורות.
הנתונים מחולקים מראש לקבצי אימון ומבחן בפורמט Parquet, כאשר פיצול האימון פרוס על פני שנים עשר קבצים ופיצול המבחן שמור בקובץ יחיד. כרטיס המאגר לא מפרט מה מקור הקבצים ברשת, איך בדיוק אספו אותם, האם הם עברו ניקוי ידני או שמא מדובר בגרידה אוטומטית מקוד פתוח. מי שבונה על הנתונים האלה צריך לקחת בחשבון שאין תיעוד לגבי מורכבות הקוד, תקינות התחביר או סוגי האיורים שנמצאים בפנים.
מתאים ל
- אימון מודלי וקטוריזציה
לימוד מודלים מולטימודליים לייצר קוד SVG תקני מתוך קלט ויזואלי.
- הערכת ביצועי קוד גרפי
בדיקת יכולת המודל לפלוט תחביר וקטורי תקין מול דוגמאות המבחן.
- מודלי שפה לקוד ויזואלי
אימון מודלי טקסט על מבנה התגיות והפרמטרים של שפת SVG.
איפה זה נופל
הבעיה המרכזית היא חוסר השקיפות המוחלט לגבי מקור הנתונים וסינונם. כרטיס המאגר לא מספק מידע על מורכבות התחביר, גודל הווקטורים או נוכחות של אלמנטים שבורים. אין כאן שום מידע על טקסטים בתוך הגרפיקה, ולכן הסיכוי למצוא עברית או פונטים מותאמים שואף לאפס. בנוסף, חסר לחלוטין צימוד בין קוד ה־SVG לתיאורי טקסט חופשי או לתמונות מקבילות, מה שמחייב אתכם לרנדר בעצמכם או להסתמך על הקוד בלבד.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט הזה במוצר מסחרי?
הרישיון של המאגר לא דווח כלל בעמוד שלו. כשאין רישיון מפורש, אין אישור חוקי לשימוש מסחרי או להפצה. עסקים שרוצים לאמן מודלים צריכים לקחת בחשבון את הסיכון המשפטי הזה או לפנות ישירות ליוצרים.
האם יש במאגר תמיכה בעברית?
אין שום עדות לקיומה של עברית בתוך הנתונים. המאגר מכיל קוד גרפי בלבד ולא טקסטים או תיאורים נלווים. אם ישנם אלמנטים של טקסט בתוך קובצי ה־SVG עצמם, הסיכוי שהם כוללים פונטים או תווים בעברית נמוך ביותר.
מאיפה נאספו הנתונים ואיך ניקו אותם?
היוצרים לא ציינו את מקור הקבצים ולא הסבירו איך הם עברו סינון. התיעוד מפנה למאמר StarVector ולמאגר קוד בגיטהאב לצורך הערכה, אך עמוד הנתונים עצמו חסר כל פירוט על תהליך הגרידה או בקרת האיכות שבוצעה על ה־SVG.
האם המאגר כולל תמונות יחד עם הקוד?
המאגר אינו מכיל קובצי תמונה מרונדרים כמו PNG או JPEG. הוא כולל שני שדות טקסטואליים בלבד, מזהה הקובץ והקוד הווקטורי עצמו. אם תרצו לאמן מודל מתמונה לקוד, תצטרכו לרנדר את הווקטורים לתמונות בעצמכם כחלק משלב ההכנה.
איך טוענים
טוענים את המאגר ישירות עם ספריית datasets של Hugging Face בפקודה אחת, load_dataset לתוך הנתיב starvector/svg-stack. המאגר פתוח לחלוטין לציבור ואינו דורש אישור גישה מראש. הנתונים מגיעים בקובצי Parquet, שזה פורמט יעיל אבל מצריך טיפול בזיכרון אם קוראים את כל מחרוזות הקוד של האימון בבת אחת.
from datasets import load_dataset
ds = load_dataset("starvector/svg-stack")הרישיון
ליוצרי המאגר אין רישיון מדווח בעמוד. במצב כזה, ברירת המחדל המשפטית היא שמירה על זכויות יוצרים, ולכן אסור להניח שמותר להשתמש בזה למטרות מסחריות או להפיץ נגזרות של הדאטה. עבור חברות או מוצרים מסחריים, אימון מודל על בסיס נתונים ללא רישיון מוגדר מראש יוצר סיכון משפטי של ממש.