精选AI数据集工具和项目大集合
MeViS: 一个基于运动表达的大规模视频分割基准数据集
MeViS是一个新的大规模视频分割数据集,专注于使用运动表达来引导视频对象分割。该数据集包含2,006个视频和28,570个运动表达句子,为开发利用运动信息的视频分割算法提供了新的平台。
PickScore: 一个开放的文本到图像生成用户偏好数据集及评分模型
PickScore是一个创新的开放数据集和评分模型,旨在预测用户对文本到图像生成结果的偏好。本文深入探讨了PickScore的开发过程、主要特点及其在文本到图像生成领域的重要应用。
Anti-UAV:前沿反无人机技术的突破与挑战
本文深入探讨了Anti-UAV(反无人机)技术的发展现状、关键技术和未来趋势,介绍了该领域的重要数据集、评估指标和基准方法,并分析了Anti-UAV在安防、反恐等领域的广泛应用前景。
TACO: 突破算法代码生成的新里程碑
TACO(Topics in Algorithmic COde generation dataset)是一个专注于算法代码生成的高质量大规模数据集,旨在为代码生成模型领域提供更具挑战性的训练数据集和评估基准。本文深入解析TACO数据集的特点、使用方法以及在代码生成领域的重要意义。
GigaSpeech: 一个革命性的大规模多领域 语音识别数据集
GigaSpeech是一个不断演进的大规模多领域英语语音识别语料库,包含10,000小时高质量标注音频用于监督学习,以及40,000小时音频用于半监督和无监督学习。本文详细介绍了GigaSpeech数据集的特点、构建过程、使用方法以及在语音识别领域的重要意义。
LibriHeavy: 50,000小时的开源自动语音识别语料库
LibriHeavy是一个包含标点、大小写和上下文信息的大规模开源自动语音识别语料库,共50,000小时英语 语音数据,为语音识别研究和应用提供了丰富的训练资源。
视觉语言模型(VLM)在视觉任务中的应用:综述与展望
本文全面综述了视觉语言模型(VLM)在视觉任务中的应用现状,包括VLM的预训练方法、迁移学习方法和知识蒸馏方法,并对未来研究方向进行了展望。
UltraChat: 大规模、高质量的对话数据集及其在对话模型训练中的应用
UltraChat是一个包含150万条高质量多轮对话的大规模数据集,涵盖广泛的主题和指令。基于UltraChat训练的UltraLM模型在多项评测中表现优异,展现了该数据集在提升开源对话模型能力方面的潜力。
深入解析超像素分割算法基准测试:28种最新方法的全面评估
本文对28种最先进的超像素分割算法在5个数据集上进行了全面的评估和比较,涵盖了算法的视觉质量、性能、运行时间、实现细节和鲁棒性等多个方面,为研究人员和开发者提供了有价值的参考。
LVIS-API: 大规模词汇实例分割数据集的强大Python接口
LVIS-API是一个用于读取、交互和评估LVIS数据集的Python库。它提供了丰富的功能，包括读取注释文件、可视化标注和评估结果，为计算机视觉研究者和开发者提供了便利的工具。
rPPG-Toolbox:深度远程PPG工具箱
rPPG-Toolbox是一个开源平台,用于基于相机的生理感知,也称为远程光电容积脉搏波描记法(rPPG)。该工具箱不仅对现有的最先进的神经和无监督方法进行基准测试,还支持灵活快速地开发自己的算法。
MultiBench:多模态表示学习的多尺度基准测试套件
MultiBench是一个系统化的大规模多模态学习基准测试套件,涵盖15个数据集、10种模态、20个预测任务和6个研究领域。它提供了一个自动化的端到端机器学习管道,简化和标准化了数据加载、实验设置和模型评估过程。
探索暗光环境下的计算机视觉: Exclusively Dark Image Dataset简介
Exclusively Dark (ExDARK)数据集是目前最大的低光照图像集,包含7,363张从极低光环境到暮光条件下拍摄的图像,涵盖12个物体类别。该数据集为低光环境下的目标检测和图像 增强研究提供了宝贵的资源。
FedScale: 开源联邦学习平台的全面解析
FedScale是一个可扩展的开源联邦学习平台,提供了高级API来实现联邦学习算法,并在不同的硬件和软件后端进行大规模部署和评估。本文全面介绍了FedScale的架构、功能和使用方法。
MyVision: 革新计算机视觉训练数据生成的在线工具
MyVision是一款免费的在线图像标注工具,专为生成计算机视觉机器学习训练数据而设计。它以用户为中心,提供了加速标注过程和管理大型数据集工作流程的功能特性。
TFRecord介绍:高效存储和读取数据的TensorFlow格式
TFRecord是TensorFlow的一种高效数据存储格式,本文全面介绍TFRecord的概念、优势及使用方法,帮助读者掌握这一重要的数据处理工具。
Uncertainty Baselines: Google推出深度学习不确定性和鲁棒性基准
Google推出Uncertainty Baselines项目,为深度学习中的不确定性和鲁棒性研究提供高质量基准实现,旨在推动这一领域的研究进展。
fastMRI：加速磁共振成像的开放数据集与基准
fastMRI项目是Facebook AI研究院(FAIR)和纽约大学朗格尼健康中心的一项合作研究项目,旨在利用人工智能技术加速MRI扫描速度,缩短患者检查时间,同时保证图像质量。该项目发布了大规模的MRI原始数据集和临床图像,为研究人员提供了开发和评估AI重建算法的资源。
PFLlib: 一个强大的个性化联邦学习算法库
PFLlib是一个开源的个性化联邦学习算 法库,包含37种联邦学习算法、3种实验场景和20个数据集,为联邦学习研究提供了便捷的工具。
RewardBench: 评估语言模型奖励模型的创新基准
RewardBench是一个专为评估奖励模型性能而设计的基准测试工具,它能全面衡量包括直接偏好优化(DPO)在内的各类奖励模型的能力和安全性,为奖励模型的研究与应用提供了重要参考。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号