Grandes conjuntos de datos públicos
El sitio presenta LAION como una fuente de conjuntos de datos a gran escala, como LAION-400M y LAION-5B, que son colecciones de imágenes y texto destinadas a la investigación en aprendizaje automático.
LAION
Freemium
Organización sin ánimo de lucro que publica conjuntos de datos, modelos y herramientas de aprendizaje automático abiertos para la investigación pública.
¿Qué es LAION?
LAION, la Large-scale Artificial Intelligence Open Network, es una organización sin ánimo de lucro que publica conjuntos de datos, código y modelos de aprendizaje automático para uso público. Su sitio describe la organización como 100 % abierta, 100 % sin ánimo de lucro y 100 % gratuita, con el objetivo de poner recursos de aprendizaje automático a disposición del público general.
Los proyectos de la organización se centran en grandes conjuntos de datos de imágenes y texto, implementaciones abiertas de modelos y herramientas de apoyo para crear o analizar datos de entrenamiento. LAION afirma que su trabajo busca ayudar a los investigadores a reutilizar conjuntos de datos y modelos existentes, apoyar la educación y reducir la duplicación de esfuerzos de entrenamiento y el uso de recursos.
¿Qué puede hacer LAION?
Publicaciones de modelos abiertos
LAION mantiene modelos abiertos, incluidos `OpenCLIP`, `ClipCap`, `CLAP` y `Multilingual-CLIP`, que abarcan tareas de investigación contrastiva, generativa y multimodal.
Herramientas para conjuntos de datos y recuperación
La página de proyectos incluye utilidades como `img2dataset` y `Clip Retrieval` para descargar fuentes de imágenes, crear conjuntos de datos y trabajar con embeddings de CLIP.
Filtrado y detección de contenido
LAION también incluye trabajos sobre filtros y detectores, como la detección de marcas de agua y la detección de contenido NSFW, dentro de su ecosistema de conjuntos de datos y modelos.
Flujo de trabajo centrado en los metadatos
Las preguntas frecuentes explican que los conjuntos de datos de LAION son índices de URL y metadatos de texto, y que los usuarios reconstruyen los datos que necesitan en lugar de recibir los archivos multimedia originales de LAION.
Distribución para investigación abierta
La organización afirma que publica conjuntos de datos, código y modelos para hacer que la investigación de aprendizaje automático a gran escala sea más reutilizable y accesible para el público.
Casos de uso
“Entrenar o evaluar modelos multimodales”
Los investigadores pueden utilizar los conjuntos de datos y modelos publicados por LAION como punto de partida para entrenar, evaluar o reproducir trabajos de aprendizaje automático multimodal.
“Crear conjuntos de datos a partir de fuentes enlazadas en la web”
Los equipos que crean canalizaciones de datos pueden utilizar `img2dataset` y herramientas relacionadas de los proyectos para reconstruir subconjuntos de conjuntos de datos a partir de fuentes basadas en URL y prepararlos para la experimentación.
“Ejecutar flujos de trabajo de recuperación basados en CLIP”
Los profesionales que trabajan en recuperación de imágenes o flujos de trabajo con embeddings pueden utilizar `Clip Retrieval` y las publicaciones relacionadas con CLIP para calcular embeddings y explorar búsquedas por similitud.
“Filtrar o clasificar el contenido de conjuntos de datos”
Las organizaciones o colaboradores preocupados por el contenido dañino o no deseado pueden revisar los proyectos de detectores de LAION, como los de detección de marcas de agua y de contenido NSFW, como parte del trabajo de filtrado de conjuntos de datos.
“Reutilizar recursos de investigación abiertos”
Los investigadores interesados en infraestructura multimodal de código abierto pueden explorar la combinación de conjuntos de datos, modelos y herramientas de LAION como componentes reutilizables para la investigación pública.
Preguntas frecuentes
¿Cómo funcionan los conjuntos de datos de LAION?
LAION afirma que sus conjuntos de datos son índices de la web: listas de URL y texto alternativo o subtítulos asociados, no copias almacenadas de los archivos multimedia originales. También indica que los investigadores reconstruyen los datos que necesitan descargando el subconjunto que les interesa y sugiere `img2dataset` para ese flujo de trabajo.
¿Cómo aborda LAION las cuestiones relacionadas con los derechos de autor?
Las preguntas frecuentes indican que LAION es una organización de investigación sin ánimo de lucro y que tiene permitido utilizar material protegido por derechos de autor para investigación en virtud de las excepciones europeas y alemanas de TDM. También señalan que LAION no almacena imágenes, audio ni vídeo originales en sus conjuntos de datos.
¿Qué debe hacer alguien si sus datos personales aparecen en un conjunto de datos?
Según las preguntas frecuentes, LAION ofrece un proceso de retirada conforme al RGPD para solicitudes verificables relacionadas con datos personales, como un nombre o una imagen que aparezcan en los metadatos de un conjunto de datos o en contenido enlazado. Indica que puede eliminar entradas de los repositorios de datos que controla, pero no de versiones anteriores que circulen fuera de su control.
¿Qué tipos de proyectos mantiene LAION?
La página de proyectos muestra una combinación de trabajos publicados, iniciados, en planificación y en curso. Esto incluye conjuntos de datos, modelos y herramientas como `LAION-5B`, `OpenCLIP`, `img2dataset` y `Clip Retrieval`.
¿LAION cobra por el acceso?
LAION se describe como una organización sin ánimo de lucro financiada mediante donaciones y subvenciones públicas de investigación. El sitio también presenta su trabajo como 100 % gratuito y abierto al público.
Datos rápidos
- Categoría
- Organización de investigación abierta sobre IA
- Enfoque principal
- Conjuntos de datos, modelos y herramientas para la investigación en aprendizaje automático
- Modelo de organización
- Organización sin ánimo de lucro financiada mediante donaciones y subvenciones públicas de investigación
- Acceso
- Descrito como 100 % gratuito y público
- Sitio web
- laion.ai
- Tipo de resultado destacado
- Conjuntos de datos de imágenes y texto y proyectos de ML de código abierto
Análisis de tráfico de LAION
Los datos de tráfico son solo como referencia.
- Visitas mensuales
- 22,3 mil
- Clasificación global
- #1.192.305
- Tasa de rebote
- 43.3%
- Duración media de la visita
- 00:40
- Páginas por visita
- 2.04
- Valoración del dominio
- 75
Tendencias de tráfico
| jun | 33954 |
|---|---|
| jul | 29099 |
| ago | 22281 |
Fuentes de tráfico
Las analíticas de tráfico aún no están disponibles.
Principales regiones
- Desconocido: 38.3%
- Desconocido: 15.0%
- Desconocido: 9.61%
- Desconocido: 7.86%
- Desconocido: 5.82%
- Desconocido: 23.4%
Alternativas a LAION
David AI
withdavid.ai
David AI es una empresa de investigación de datos de audio que crea conjuntos de datos propios para IA de voz y conversacional, y ayuda a laboratorios y equipos empresariales a solicitar muestras, licenciarlos y diseñar datos de audio personalizados.
Google DeepMind
deepmind.google
Plataforma de investigación y modelos de IA para agentes, creación multimodal, generación de medios, modelos abiertos y ciencia
Atomwise
atomwise.com
Empresa de descubrimiento de fármacos basada en aprendizaje automático que explora el espacio químico para identificar nuevas moléculas pequeñas con potencial farmacológico, con programas en enfermedades inmunitarias e inflamatorias.
PHBench
phbench.com
Benchmark abierto para predecir rondas Serie A a partir de señales de lanzamientos en Product Hunt, con datos etiquetados, clasificación pública y predicciones semanales.
Mercor
mercor.com
Plataforma de IA para investigación de frontera, datos de entrenamiento con participación humana, agentes empresariales y evaluación basada en benchmarks.
Datacurve
datacurve.ai
Datacurve crea infraestructura de evaluación y conjuntos de datos para IA de frontera en razonamiento prolongado, ingeniería de software y ciencia de datos.