> ML_DATASET // LAION-5B-MULTIMODAL-DATASET_v1.0
LAION-5B: Open Large-Scale Multimodal Dataset
LAION e.V. (Schuhmann et al. 2022) · Multimodal Foundation Pretraining · 5.85 billion CLIP-filtered image-URL and alt-text pairs (2.3B English, 2.2B multilingual)
Multimodal Foundation PretrainingCC-BY-4.0 (Metadata index)5.85 billion CLIP-filtered image-URL and alt-text pairs (2.3B English, 2.2B multilingual)open
Veri Profili ve Özellikler
Etiket Tipi:Web image URLs paired with HTML alt-text and CLIP similarity embeddings
Diller:en, multilingual
Lisans Seviyesi:permissive-open-source
Modaliteler:image, text
Amaçlanan Kullanım (Intended Use)
- Açık metinden görüntüye difüzyon modellerini (Stable Diffusion) ve açık CLIP kodlayıcılarını ön eğitme
Yasaklanan / Kaçınılması Gereken Kullanım
- Yüz tanıma gözetim omurgalarını eğitme
Önyargı, Veri Sızıntısı ve Gizlilik Risk Analizi
Kişisel Veri Riskleri (Privacy Risks):
Web tarama metaveri dizini; sansürsüz kamuya açık web görüntülerine ve fotoğraflara bağlantılar içerir.
Bilinen Önyargılar (Known Bias):
İnternet web tarayıcısı önyargıları; müstehcen ve rahatsız edici içerikler filtrelenmiştir.
Veri Sızıntısı Riski (Known Leakage):
Stok fotoğraf ajansı koleksiyonlarının ezberlenmesini önlemek için büyük ölçekli tekilleştirme gereklidir.