dataset

LLM のパワーを解放：これらのデータセットを探索して独自の ChatGPT をトレーニングしよう！

Clojure 製の高性能データ処理システム

🌮 Trash Annotations in Context データセットツールキット

対聯のデータセット。70万件の対聯データベース

人物検索のための関節検出と識別特徴量学習

DelphiおよびLazarus (FPC) 向けのJSON・DataSet相互変換コンバーター

TensorFlow SIG-IO が保守するデータセット、ストリーミング、ファイルシステム拡張機能。

Thorsten-Voice: ライセンスの心配なく、あらゆるプロジェクトで使用可能な、無料、オフライン動作、高品質なドイツ語TTS音声

PyTorchによるOpenAI CLIPモデルのシンプルな実装

[CVPR 2024] MovieChat: 長い動画理解のための高密度トークンからスパースメモリへの変換

UCAS-VGのポイントベースおよび極小オブジェクト検出・ローカライゼーションコードセット

大規模言語モデルにおける長文の事実性のベンチマーク。論文「Long-form factuality in large language models」のオリジナルコード。

コンピュータビジョンのデータセットを構築、分析、管理するためのPythonライブラリおよびCLIツールであるデータセット管理フレームワーク。

[ECCV'20] Structured3D: 構造化3Dモデリングのための大規模なフォトリアルなデータセット

HISTDATA - すべての FX 通貨ペア / 原油 / 株価指数で構成されるデータセット。1 分足データ（およびティックデータ）の過去の FX 価格を取得するシンプルな API（最新対応）。

音声数字の無料オーディオデータセット。MNIST のオーディオ版。

ACM Multimedia2020 University-1652: ドローンによるジオローカライゼーションのためのマルチビュー・マルチソースベンチマーク :helicopter: 世界中の72の大学にある1,652の建物にアノテーションを付与します。

日常タスクにおけるブラウザ AI エージェントのオープンソースベンチマーク。

動画 URL から大規模な動画データセットを簡単に作成する

git と git-annex を使用してコード、データ、コンテナを管理する

Awesome-LLM-Eval: LLMの評価に特化したツール、データセット/ベンチマーク、デモ、リーダーボード、論文、ドキュメント、モデルの厳選リスト。

ネットワーク科学および機械学習の研究のために収集した、なかなか興味深いデータセットのレポジトリ

データサイエンスプロジェクトの完全なライフサイクル

融合ポーズ推定器およびマッピングアルゴリズムの開発と検証のためのドライビングデータセット

ConvoKitは、会話特徴の抽出や会話内の社会現象の分析を行うためのツールキットです。いくつかの大規模な会話データセットと、それらのデータセットでのツールキットの使用例を示すスクリプトが含まれています。

NAS-Bench-201 API とその手順

Ego4d データセットのリポジトリ。データセットのダウンロード、視覚化、特徴量の抽出、および使用例。

Exclusively Dark (ExDARK) データセット。我々の知る限り、極低照度環境からトワイライトまで（10種類の異なる条件）、画像クラスとオブジェクトレベルのアノテーションが付与された、現在最大規模の低照度画像コレクションです。

セグメンテーションおよびサリエンシー検出用データセットのコレクション。PR大歓迎です：smile:

[ICML 2024] TrustLLM: 大規模言語モデルにおける信頼性