【持续更新中！图像-文本对数据集汇总】Stable Diffusion 3 重磅开源，超全图像生成必备训练数据集、教程汇总
💡
原文中文，约3400字，阅读约需8分钟。
📝
内容提要
Stability AI开源了Stable Diffusion 3（SD3），这是一个能够根据描述性文本生成视觉作品的图像生成模型。他们还分享了10个高质量的图像-文本数据集和3个开源的图像生成教程。数据集包括WIT、RedCaps、MMDialog、DVQA、DAQUAR、COYO-700M、TDIUC、Visual7W、KVQA和CxC。教程涵盖了InstantID个性化肖像生成、ComfyUI InstantID工作流和ComfyUI Stable Cascade工作流。HyperAI是中国领先的人工智能和高性能计算社区，提供数据集、教程和文档等资源。
🎯
关键要点
- Stability AI 开源了 Stable Diffusion 3（SD3），一个根据描述性文本生成视觉作品的图像生成模型。
- HyperAI 提供了 10 个高质量的图像-文本数据集，包括 WIT、RedCaps、MMDialog 等。
- HyperAI 还分享了 3 个开源的图像生成教程，涵盖个性化肖像生成和工作流。
- WIT 数据集由 Google 发布，包含 3,760 万个图像-文本示例，适用于多模态机器学习模型的预训练。
- RedCaps 数据集由密歇根大学发布，包含 120 万个图像-文本对，来源于 Reddit。
- MMDialog 数据集由北京大学发布，包含 108 万个完整对话 session 和 153 万张非重复图像。
- DVQA 数据集由罗彻斯特理工学院发布，测试条形图理解，包含 30 万张图像和 348 万个问题答案对。
- DAQUAR 数据集由马克斯-普朗克计算机科学研究所发布，包含室内场景的 RGBD 图像。
- COYO-700M 数据集由 Kakao Brain 发布，包含 7.47 亿个图像文本对。
- TDIUC 数据集由罗彻斯特理工学院发布，包含 160 万个问题及 17 万张图像。
- Visual7W 数据集由斯坦福大学发布，进行视觉问答任务，包含图像及相关问答。
- KVQA 数据集由海得拉巴国际信息技术学院发布，包含 18.3 万个问答对。
- CxC 数据集由 Google 发布，包含 247,315 个图像字幕。
- InstantID 是一个基于扩散模型的个性化写真生成解决方案。
- ComfyUI InstantID 工作流可以将普通人像照片转换为艺术作品。
- ComfyUI Stable Cascade 工作流简化了 AI 绘画的使用流程。
- HyperAI 超神经致力于成为国内数据科学领域的基础设施，提供丰富的公共资源。
➡️
