格灵深瞳发布大规模中文视觉预训练数据集“丹青”
格灵深瞳正式发布超大规模中文视觉-语言预训练数据集“丹青”(DanQing),该数据集涵盖1亿条高质量图文匹配样本,数据采集时间覆盖2024至2025年全网公开资源。为提升数据质量,该数据集引入了更为精细的数据清洗与质量评估机制。实验结果显示:基于SigLIP2模型开展的基准测试表明,“丹青”在零样本图像分类、跨模态图文检索以及大型多模态模型综合能力评估等多项目关键任务中,均展现出卓越性能。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈

据项目团队介绍,其构建了一套融合BERTopic算法的主体建模流程。具体而言,研究人员从全量数据中随机采样1000万组图像-文本对,并采用Chinese-CLIP-L/14模型提取文本侧语义嵌入向量;针对高维空间聚类易受噪声干扰的问题,团队先利用UMAP进行非线性降维,再通过HDBSCAN算法识别语义密集簇,将最小簇规模设定为1000以增强聚类鲁棒性并抑制离群噪声;最终,基于各主题内部词频分布,采用类别加权的TF-IDF策略提取最具代表性的关键词集合。

“丹青”数据集游戏内容已开放获取。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
AI能从单份血样检出多种神经疾病
来源:科技日报科技日报讯 (记者刘霞)由瑞典隆德大学领衔的国际研究团队,研发出一款新的人工智能(AI)模型。该模型仅需一份血液样本,便能精准识别多种神经退行性疾病。团队期望,该AI模型未来能实现“一
褪去虚火,脑机接口方能释放长远价值
来源:科技日报2026年开年,马斯克宣称脑机接口产品将于年内启动量产,引爆全球市场情绪。国内资本随即扎堆追捧,脑机接口相关概念股大幅走高,行业短期炒作虚火蔓延。进入3月,脑机接口迎来多重利好:脑机接
黎万强、洪锋退出小米科技股东名单
人民财讯4月7日电,企查查APP显示,近日,小米科技有限责任公司发生工商变更,原股东小米联合创始人黎万强、洪锋退出,同时,注册资本由18 5亿元减至约14 8亿元。 企查查信息显示,该公司成立于20
新闻分析|“阿耳忒弥斯2号”任务为何只绕月不登月
新华社北京4月7日电 新闻分析|“阿耳忒弥斯2号”任务为何只绕月不登月 新华社记者张晓茹 美国东部时间6日18时40分许(北京时间7日6时40分许),执行美国“阿耳忒弥斯2号”载人绕月飞行任
“链接未来·智汇静安”区块链创新应用优秀场景分享(四)| 信医基于区块链与隐私计算的真实世界研究数据产品
聚焦数字技术,释放创新动能。为集中展示静安区区块链技术从“实验室”走向“应用场”的丰硕成果,挖掘一批可复制、可推广的行业解决方案,加速构建区块链产业生态闭环,静安区数据局特推出“静安区区块链创新应用
- 日榜
- 周榜
- 月榜
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

