# LAION

LAION 发布用于研究的开放机器学习数据集、模型和工具

- Findings24: <https://findings24.com/zh-CN/tools/laion>
- 网站: <https://laion.ai>
- 价格: Freemium
- 分类: AI 数据分析, AI 研究助手

## 什么是 LAION？

LAION，即 Large-scale Artificial Intelligence Open Network，是一个非营利组织，向公众发布数据集、代码和机器学习模型供使用。其网站将该组织描述为 100% 开放、100% 非营利、100% 免费，重点是让机器学习资源可供大众使用。

该组织的项目主要围绕大规模图文数据集、开放模型实现，以及用于构建或分析训练数据的支持工具。LAION 表示，其工作旨在帮助研究人员复用现有数据集和模型，支持教育，并减少重复训练所需的工作和资源消耗。

## LAION 能做什么？

### 大规模公共数据集

网站将 LAION 介绍为大规模数据集的来源，例如 LAION-400M 和 LAION-5B，这些图文集合面向机器学习研究。

### 开放模型发布

LAION 维护开放模型，包括 \`OpenCLIP\`、\`ClipCap\`、\`CLAP\` 和 \`Multilingual-CLIP\`，覆盖对比式、生成式和多模态研究任务。

### 数据集与检索工具

项目页面包含 \`img2dataset\` 和 \`Clip Retrieval\` 等工具，用于下载图像来源、构建数据集以及处理 CLIP embedding。

### 内容过滤与检测

LAION 还列出了过滤器和检测器方面的工作，包括水印检测和 NSFW 检测，作为其数据集和模型生态的一部分。

### 以元数据为先的工作流

FAQ 解释说，LAION 数据集是 URL 和文本元数据的索引，用户会自行重建所需数据，而不是从 LAION 接收原始媒体文件。

### 开放研究分发

该组织表示，它发布数据集、代码和模型，以使大规模机器学习研究更易复用并向公众开放。

## 使用场景

### 训练或基准测试多模态模型

研究人员可以使用 LAION 发布的数据集和模型，作为训练、基准测试或复现多模态机器学习工作的起点。

### 从网页链接来源构建数据集

构建数据管道的团队可以使用 \`img2dataset\` 及相关项目工具，从基于 URL 的来源重建数据集子集，并将其打包用于实验。

### 运行基于 CLIP 的检索流程

从事图像检索或 embedding 工作流的实践者可以使用 \`Clip Retrieval\` 和与 CLIP 相关的发布内容来计算 embedding 并探索相似度搜索。

### 过滤或分类数据集内容

对有害或不受欢迎内容感到担忧的组织或贡献者，可以查看 LAION 的检测器项目，例如水印和 NSFW 检测，作为数据集过滤工作的一部分。

### 复用开放研究资产

对开源多模态基础设施感兴趣的研究人员，可以探索 LAION 的数据集、模型和工具组合，将其作为公众研究的可复用组件。

## 常见问题

### LAION 数据集是如何运作的？

LAION 表示，其数据集是面向网络的索引：由 URL 列表以及对应的替代文本或标题组成，并不是原始媒体文件的存储副本。它还表示，研究人员会通过下载自己感兴趣的子集来重建所需数据，并建议使用 \`img2dataset\` 完成这一流程。

### LAION 如何处理版权问题？

FAQ 表示，LAION 是一家非营利研究组织，并且根据欧盟和德国的 TDM 例外规定，它可以出于研究目的使用受版权保护的材料。FAQ 还说明，LAION 不会在其数据集中存储原始图像、音频或视频。

### 如果我的个人数据出现在数据集中，我应该怎么做？

根据 FAQ，如果某个数据集中出现了个人数据，例如姓名或图像出现在数据集元数据或关联内容中，LAION 提供 GDPR 下架流程以处理可验证的请求。FAQ 指出，它可以从其控制的数据仓库中移除条目，但无法移除已在其控制之外流传的历史版本。

### LAION 维护哪些类型的项目？

项目页面展示了已发布、已启动、规划中和进行中的多种工作。这包括数据集、模型和工具，例如 \`LAION-5B\`、\`OpenCLIP\`、\`img2dataset\` 和 \`Clip Retrieval\`。

### LAION 是否收取访问费用？

LAION 将自己描述为一家由捐赠和公共研究资助支持的非营利组织。网站也将其工作定位为对公众 100% 免费且开放。

## 快速信息

- **类别**: 开放式 AI 研究组织
- **主要重点**: 用于机器学习研究的数据集、模型和工具
- **商业模式**: 由捐赠和公共研究资助支持的非营利组织
- **访问方式**: 被描述为 100% 免费且向公众开放
- **网站**: laion.ai
- **代表性输出类型**: 图文数据集和开源机器学习项目