텍스트-이미지 오픈 선호도 데이터셋 공개

Hugging Face의 'Data is Better Together' 커뮤니티가 Apache 2.0 라이선스의 **텍스트-이미지 선호도 데이터셋(Open Image Preferences)**을 출시했다. 이 데이터셋은 오픈 소스 이미지 생성 모델의 성능 향상을 위해 부족했던 선호도 데이터를 제공하는 데 목적이 있다.

데이터셋은 다양한 모델 제품군과 복잡한 프롬프트를 포함하며, 다음과 같은 특징을 갖는다:

• 프롬프트 다양성: distilabel을 사용하여 프롬프트의 카테고리와 복잡도를 합성 데이터로 확장해 데이터의 질을 높였다.
• 안전성 필터링: 텍스트 및 이미지 기반의 다중 분류기를 사용하여 NSFW 및 유해 콘텐츠를 제거하고, 수동 검토를 통해 안전성을 확보했다.
• 즉시 활용 가능한 자원: 선호도 데이터셋뿐만 아니라 이진화(binarized) 버전, 그리고 Flux-dev-lora-finetune 모델을 함께 제공한다.

사용자는 Hugging Face Hub에서 데이터셋을 내려받을 수 있으며, GitHub를 통해 전처리 및 후처리 코드를 확인할 수 있다.