橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
数据集

LLaVA-OneVision-2-Data

mvp-lab/LLaVA-OneVision-2-Data

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：apache-2.0 上游版本：59a87874d279

中文简介

mvp-lab/LLaVA-OneVision-2-Data 是 mvp-lab 在 Hugging Face 发布的数据集仓库，当前卡片主要关联视觉问答、图文理解与多模态生成。本站固定记录上游版本 59a87874d279，同步到 20655 个文件，文件元数据合计 60.59 TB；访问状态为“公开”，许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 mvp-lab/LLaVA-OneVision-2-Data 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
mvp-lab/LLaVA-OneVision-2-Data 是 mvp-lab 在 Hugging Face 发布的数据集仓库，当前卡片主要关联视觉问答、图文理解与多模态生成。本站固定记录上游版本 59a87874d279，同步到 20655 个文件，文件元数据合计 60.59 TB；访问状态为“公开”，许可证字段为“apache-2.0”。

【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本：59a87874d279。 任务标签：视觉问答、图文理解与多模态生成。 语言字段：en。 规模分类：10M<n<100M。 上游页面记录的最近更新时间：2026-07-21。

【文件信息】
上游 API 返回 20655 个文件，文件元数据合计 60.59 TB。 已保存文件清单中的主要扩展名：.tar 99 个、无扩展名 1 个。 当前较大的文件包括：mid_training_video/30s/train_00004_of_09707.tar（3.02 GB）；mid_training_video/30s/train_00074_of_09707.tar（3.02 GB）；mid_training_video/30s/train_00045_of_09707.tar（3.02 GB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 60.59 TB。仅按下载、解压和临时文件估算，建议至少预留约 72.70 TB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

LLaVA-OneVision-2-Data Training data for the LLaVA-OneVision-2 multimodal model family, covering large-scale video and spatial reasoning corpora used in mid-training. Dataset Composition | Subset | Format | Description | |---|---|---| | `mid_training_video/60s_rest/` | WebDataset (`.tar`) | 10,809 shards of ~60s video clips | | `mid_training_video/caption_v0/split_30s.jsonl` | JSONL | Captions for 30-second video clips | | `mid_training_video/caption_v0/split_60s.jsonl` | JSONL | Captions for 60-second video clips | | `mid_training_video/caption_v0/split_180s.jsonl` | JSONL | Captions for 180-second video clips | | `mid_training_video/caption_v0/split_gt10min.jsonl` | JSONL | Captions for >10-minute video clips | | `spatial/` | WebDataset (`.tar`) | 84 shards of spatial reasoning data (refcoco, visual genome, pointing, 3D, etc.) | | `mid_training_video/mapping/mapping_{5s,10s,30s,60s,180s,gt10min}.csv` | CSV | Maps each video clip's `dst_path` to its source `youtube_id` and `[start_time, end_time]` window | Preview Configs The `viewer_*` configs above expose small Parquet samples so the Hugging Face Dataset Viewer can render the data directly in the browser: **`viewer_caption_30s`** — 5 caption samples from 30-second clips **`viewer_caption_60s`** — 5 caption samples from 60-second clips **`viewer_caption_180s`** — 3 caption samples from 180-second clips **`viewer_caption_gt10min`** — 1 caption sample from >10-minute clips **`viewer_spatial`** — 10 spatial-reasoning samples with embedded thumbnail images, mixed across tasks (refcoco, visual genome, pointing, ca1m, osd, crosspoint, erqa, roborefer) These previews are intended for **schema inspection only**. For training, use the full `mid_training_video/` and `spatial/` shards.

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

规模与格式

固定版本：59a87874d279。 任务标签：视觉问答、图文理解与多模态生成。 语言字段：en。 规模分类：10M<n<100M。 上游页面记录的最近更新时间：2026-07-21。

文件说明

上游 API 返回 20655 个文件，文件元数据合计 60.59 TB。 已保存文件清单中的主要扩展名：.tar 99 个、无扩展名 1 个。 当前较大的文件包括：mid_training_video/30s/train_00004_of_09707.tar（3.02 GB）；mid_training_video/30s/train_00074_of_09707.tar（3.02 GB）；mid_training_video/30s/train_00045_of_09707.tar（3.02 GB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes6.39 KB
  • mid_training_video/30s/train_00000_of_09707.tar3.00 GB
  • mid_training_video/30s/train_00001_of_09707.tar3.01 GB
  • mid_training_video/30s/train_00002_of_09707.tar3.02 GB
  • mid_training_video/30s/train_00003_of_09707.tar3.01 GB
  • mid_training_video/30s/train_00004_of_09707.tar3.02 GB
  • mid_training_video/30s/train_00005_of_09707.tar3.01 GB
  • mid_training_video/30s/train_00006_of_09707.tar3.01 GB
  • mid_training_video/30s/train_00007_of_09707.tar3.00 GB
  • mid_training_video/30s/train_00008_of_09707.tar3.00 GB
  • mid_training_video/30s/train_00009_of_09707.tar3.00 GB
  • mid_training_video/30s/train_00010_of_09707.tar3.00 GB

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 60.59 TB。仅按下载、解压和临时文件估算，建议至少预留约 72.70 TB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“apache-2.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。