GPIC：用于视觉生成的巨大许可图像语料库

摘要

研究视觉生成建模的可扩展方法需要大量、可访问且稳定的数据集。我们引入 GPIC，这是一个约 28 万亿像素的巨型许可图像语料库。 GPIC 包含由最先进的视觉语言模型描述的各种互联网图像，包括 100M 训练、200K 验证和 1M 测试示例。此外，所有 GPIC 图像都获得许可用于研究和商业用途。 GPIC 经过安全过滤、重复数据删除并集中托管在 Hugging Face 上。我们为 GPIC 上的生成建模提供基准测试协议。最后，我们为 GPIC 上的像素空间流匹配提供参考基线。我们的数据集、基准测试和模型可在 https://huggingface.co/datasets/stanford-vision-lab/gpic 获取。评估工具包和代码可在 https://gpic.stanford.edu 获取