Echo-4o-Image
קוד פתוחYejy53mit2025-08-11
מאגר של כ־179 אלף תמונות סינתטיות שנוצרו על ידי GPT-4o עם טקסטים באנגלית. הוא מיועד למי שרוצה לשפר מודלי תמונה במשימות מורכבות כמו פנטזיה, ריבוי תמונות מקור והבנת הוראות מפורטות.
- 607הורדות בחודש
- 34לייקים
מה זה
המאגר כולל כ־179,000 דוגמאות שזוקקו מתוך GPT-4o כדי להתמודד עם תרחישים נדירים שחסרים בדאטהסטים מבוססי עולם אמיתי. הנתונים מתחלקים לשלושה סוגי משימות: 73 אלף דוגמאות מיועדות ליצירת תמונות על בסיס מספר רפרנסים חזותיים שונים, 68 אלף מוקדשות לביצוע הוראות טקסט מורכבות ומדויקות, ו־38 אלף מתמקדות בדימויי פנטזיה וסוריאליזם.
התוכן בנוי כולו מתמונות סינתטיות עם רקעים נקיים ואותות פיקוח ממוקדים, במטרה לשפר את ההתאמה בין ההנחיה החזותית לפלט. החוקרים השתמשו בנתונים האלה לאימון מודל בשם Echo-4o על בסיס Bagel, ובדקו העברה למודלים נוספים כמו OmniGen2 ו־BLIP3-o.
המבנה במאגר מבוסס על חבילות דחוסות. בכל חבילה כזו תמצאו קובץ מטא-דאטה בפורמט JSON שמפרט את הדוגמאות, ולצדו תיקייה עם קובצי תמונה בפורמט PNG.
מתאים ל
- אימון עם רפרנסים מרובים
שילוב של 73 אלף הדוגמאות כדי ללמד מודל לשמור על עקביות חזותית מול מספר תמונות מקור במקביל.
- שיפור ביצוע הוראות מורכבות
שימוש ב־68 אלף הדוגמאות הייעודיות כדי להרגיל את המודל לפרק פרומפטים ארוכים בלי לאבד פרטים.
- יצירת דימויי פנטזיה
אימון על 38 אלף סצנות סוריאליסטיות לצורך יצירת תמונות שלא קיימות בצילומי מציאות.
איפה זה נופל
הנתונים כולם סינתטיים ומגיעים ישירות מ־GPT-4o, כך שהם נושאים את כל ההטיות והמגבלות האסתטיות של המודל המייצר. הטקסט מוגבל לאנגלית בלבד, ואין כאן שום תמיכה בעברית או בהקשרים מקומיים. בנוסף, חלוקת המשימות אינה שווה, ודגש כבד ניתן לרפרנסים מרובים ולא לטקסט חופשי קצר. מודל שילמד רק על הדאטה הזה עלול להתקשות ברינדור סצנות אותנטיות מהעולם האמיתי.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט לפיתוח מסחרי?
הרישיון הרשמי בעמוד הוא MIT, שמתיר שימוש מסחרי ללא מגבלות קוד פתוח. מצד שני, התמונות נוצרו ב־GPT-4o, ולכן יש לבדוק אם תנאי השימוש של OpenAI מגבילים אתכם באימון מודלים מסחריים מתוצרתם.
האם יש בדאטהסט תמיכה בעברית?
לא. המאגר מוגדר ומתוייג באנגלית בלבד. אם תרצו לאמן מודל שיבין פרומפטים בעברית, תצטרכו לתרגם את ההנחיות או לאמן שכבת הבנה נפרדת.
איך הנתונים נאספו ונוצרו?
החוקרים ייצרו את כל הדוגמאות באופן סינתטי בעזרת מודל GPT-4o, מתוך מטרה לספק רקעים נקיים והתאמה מדויקת להוראות. הם חילקו את ההפקות לשלוש קטגוריות מרכזיות וסיפקו קוד לסינון ואיזון הדגימות.
במה הוא שונה מדאטהסטים רגילים של תמונות?
רוב המאגרים ברשת נשענים על זחילת אתרים עם תמונות אמיתיות וכיתובים חלקיים ורועשים. כאן מדובר בתמונות סינתטיות לחלוטין שמתמקדות דווקא במצבים קשים ללמידה, כמו עבודה עם כמה תמונות מקור והוראות עמוסות בפרטים.
איך טוענים
הגישה למאגר פתוחה ללא צורך באישור מראש. הקבצים מחולקים ל־45 קבצים במאגר, ביניהם קובצי JSONL וארכיוני tar.gz לפי מקטעים כמו 0-5000 או 10000-15000, שבתוכם יושבות התמונות כ־PNG לצד קובץ JSON פנימי. המשקל הכולל לא צוין בעמוד, אך פריסת עשרות ארכיונים דורשת מקום אחסון משמעותי. בגיטהאב של הפרויקט יש קוד לדאטלואדר עם סינון ואיזון דגימות, ורשימות מאפיינים שמומלץ להוריד לפני שרצים לאמן.
from datasets import load_dataset
ds = load_dataset("Yejy53/Echo-4o-Image")הרישיון
המאגר מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי כולל שימוש מסחרי, שינוי והפצה, בתנאי ששומרים על הודעת זכויות היוצרים המקורית. עם זאת, מכיוון שהדאטהסט נוצר כולו באמצעות GPT-4o, עליכם לוודא שהשימוש שלכם עומד בתנאי השירות של OpenAI לגבי אימון מודלים מתחרים על בסיס פלטים שלהם.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש