LegközelebbKövetkező útmutató
Nyílt forráskódú AI
Vállalatok
Vállalkozási ÚTMUTATÓ
A LAION egy német nonprofit szervezet, amely hatalmas nyílt kép-szöveg adatkészleteket adott ki, ezek közül a leghíresebb a LAION-5B, amely elősegítette a nyílt generatív modellek, például a Stable Diffusion képzését.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez azért fontos, mert a webes méretű multimodális adatokat szabadon hozzáférhetővé tette a nagyvállalatokon kívüli kutatók számára.
LAION (Large-scale Artificial Intelligence Open Network) is a German nonprofit founded in 2021 to democratize machine learning research by releasing large open datasets. Its best-known release, LAION-5B, contains roughly 5.85 billion image-text pairs filtered from Common Crawl web data using OpenAI's CLIP model to keep pairs where the caption and image align. LAION distributes URLs and metadata while the original image files remain on their web hosts. The dataset helped researchers train and study open image-text models, including Stable Diffusion. In December 2023, researchers reported URLs to suspected child sexual abuse material in LAION-5B, and LAION withdrew the dataset for a safety revision. In August 2024, LAION described Re-LAION versions created by comparing existing records with partner-provided hash lists. The release excludes known suspect links identified by those partners as of July 2024; LAION explicitly states that filters cannot guarantee all harmful content has been removed from web-scale data.
Nyílt szöveg-kép modellek, például a stabil diffúzió képzése több milliárd kép-felirat páron
CLIP-stílusú kép-szöveg visszakereső és nullapontos osztályozási rendszerek építése és teljesítményértékelése
Az adatkészletek torzításának, a tartalombiztonságnak és az adatok származásának kutatása internetes léptékben
A részhalmazok szűrése nyelv, felbontás vagy esztétikai pontszám alapján speciális finomhangoló adatkészletek létrehozásához
A nyílt multimodális adatkészletek egyre nagyobb nyomással szembesülnek majd a szerzői jogok, a beleegyezés és a káros tartalmak miatt, ami az erősebb szűrést, a licenctudatos adatgyűjtést és a letiltó nyilvántartásokat fogja eredményezni. A LAION által megtisztított adatkészlet újbóli kiadása a biztonsági auditálás felé való elmozdulást jelzi alapértelmezett lépésként. Több szintetikus vagy licencelt adatra, származási szabványokra és észlelési eszközökre számíthat. A kis laboratóriumok nyílt hozzáférése és a webről lemásolt adatok jogi és etikai kockázatai közötti feszültség határozza meg az adatkészlet-építés következő szakaszát.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A LAION egy német nonprofit szervezet, amely hatalmas nyílt kép-szöveg adatkészleteket adott ki, ezek közül a leghíresebb a LAION-5B, amely elősegítette a nyílt generatív modellek, például a Stable Diffusion képzését. Ez azért fontos, mert a webes méretű multimodális adatokat szabadon hozzáférhetővé tette a nagyvállalatokon kívüli kutatók számára.
A LAION nem tárol képeket; URL-eket és metaadatokat terjeszt, így a felhasználók az eredeti webes forrásaikból tölthetik le a képeket.
A LAION-5B körülbelül 5,85 milliárd kép-szöveg párt tartalmaz, ezért a nevében az „5B”.
A LAION a OpenAI CLIP-jét használta a képfeliratok hasonlóságának mérésére és a rosszul illeszkedő párok elvetésére.
A Stable Diffusion, egy nyílt szöveg-kép modell, a LAION kép-szöveg adatokra lett kiképezve.
Researchers identified URLs to suspected CSAM in LAION-5B. LAION withdrew the dataset and later described a revision using partner-provided hash lists; this does not establish that every suspicious link was live or that every possible harmful item has been removed.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Nyílt forráskódú AI
Vállalatok