LLMデータセット

現在、生成AIや画像編集モデルの開発では、多様な編集指示に高精度で応答できるインストラクションベース画像編集データの確保が課題です。特に日本語対応の生成AI教師データセットや、ピクセルレベル編集注釈付きの画像合成学習データへの需要が急増しています。 弊社が提供する本データセットは、151万セットの高品質な画像編集ペアを収録。対象ターゲットは人物（クローズアップ・半身・全身）をはじめ、動物・商品・植物・建物・風景・旅行写真・家庭シーンなど、実用的な画像カテゴリを幅広くカバーします。 編集タイプは5種類。人物・物体の一貫性編集50万セット、構造的編集30万セット、複合編集21万セット、空間編集45万セット、スタイル転送編集5万セット。多様な編集ニーズに対応可能です。 収録条件は高品質です。画像解像度は2K以上を保証。データ形式は画像が.jpg/.jpeg/.png、編集指示テキストが.txt。アノテーションは編集指示に従ったピクセルレベル編集を実施。 精度保証も万全です。編集済みデータの適合率は97%超。編集対象と元対象のエッジ誤差は5ピクセル以内を維持。生成モデルの学習用として最適な品質を実現。 本データセットは、画像合成モデルの学習や、データ拡張・仮想シーン生成アルゴリズム開発に最適。生成AI教師データセット、インストラクションベース画像編集学習、テキスト指示対応画像生成、マルチモーダルAI開発など、幅広い用途にご利用いただけます。 多様な編集指示に高精度で応答する画像生成モデルを、効率的に実装可能です。 さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録ターゲット種別・編集タイプ・アノテーション粒度・データ形式などを柔軟に調整。独自性の高い生成AIソリューション開発を、最適な学習データ基盤でサポートいたします。

韓国語試験問題の構造化解析処理データ、試験問題総数は約150万問。各問題は問題タイプ、問題文、解答、解析などのフィールドを含む。科目は【小学校】国語、数学、英語、社会、科学；【中学校】国語、英語、数学、科学、社会；【高校】国語、英語、数学、物理、化学、生物、歴史、地理を含む。問題タイプは選択問題、空欄補充問題、正誤問題、記述問題など。このデータは大規模モデルの学科知識強化タスクに利用可能。

なぞなぞ・クイズ（急转弯を含む）データは、合計で10万件余りのなぞなぞデータと3000件余りのクイズ（急转弯）データを含んでおり、大規模モデルのトレーニングや携帯電話アシスタントなど、複数のアプリケーションシーンで利用可能です。

現在、多言語対応のOCRシステムや画像キャプション生成モデルの開発では、自然シーンに特化した高精度な多言語テキスト認識データの確保が課題です。 弊社が提供する本データセットは、20,011枚の自然シーン画像と英語キャプションを収録。対象言語は14言語。アジア7言語（日本語・韓国語・中国語・タイ語・ベトナム語・インドネシア語・マレー語）と欧州7言語（英語・仏・独・伊・西・葡・露）を包括。 収録環境は実用的な自然シーン中心。店舗看板・道路標識・ポスター・停止標識・案内表示など、多様な実環境を網羅。スマートフォン・カメラで撮影。複数アングル・多様な照明条件に対応。 アノテーションは高精度です。画像内のテキスト配置・内容・色・シーンを英語で記述。原則30〜60語・3〜5文の簡潔な説明文。正解ラベル率は97%超を保証。データ形式は画像が.jpg、注釈が.txt。 本データセットは、自然シーンOCRモデルの学習や、多言語画像キャプション生成、画像テキスト検索システム開発に最適。AIGCコンテンツ作成、多言語対応画像理解、グローバル展開を視野に入れたOCR基盤の整備など、幅広い用途にご利用いただけます。 さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録言語・シーン種別・説明文長さ・アノテーション粒度などを柔軟に調整。独自性の高い多言語OCRソリューション開発を、最適な学習データ基盤でサポートいたします。

現在、マルチモーダル大規模言語モデルや多言語画像理解システムの開発では、高品質な画像テキストペアデータの確保が課題です。 弊社が提供する本データセットは、89,007セットの画像テキストペアを収録。日本語46,913セット、アラビア語42,094セットをバランスよく包括。各サンプルは1枚の画像と1つのJSONドキュメントで構成されます。 収録タスクは4種類。画像キャプション生成、視覚的質問応答（VQA）、OCR文字認識、OCRベースVQAを網羅。さらに6つの専門分野（ビジネス/金融、コーディング/コンピュータサイエンス、法/政治/行政、科学技術/工学/数学、社会/文化/人文/宗教、スポーツ/ライフスタイル）をカバー。 アノテーション精度は95%超を保証。画像ドメイン分類精度、画像テキスト整合性、OCR認識精度のすべてで高品質を実現。データ形式は画像がJPG、注釈がJSON。 本データセットは、マルチモーダル大規模言語モデルの学習や、多言語画像キャプション生成、視覚的質問応答システム開発に最適。日本語・アラビア語対応の多言語OCR、クロスランゲージ画像理解、グローバル展開を視野に入れたマルチモーダルAI基盤の整備など、幅広い用途にご利用いただけます。 お客様の開発要件に合わせてカスタマイズ対応も可能。収録言語比率・タスク種別・分野構成・アノテーション粒度などを柔軟に調整。独自性の高い多言語マルチモーダルソリューション開発を、最適な学習データ基盤でサポートいたします。

弊社が提供する本データセットは、20万件のランドマーク画像テキストペアを収録。国内ランドマーク8万件、海外ランドマーク12万件をバランスよく包括。対象国は米国・英国・仏・独・露など20カ国以上を網羅します。 収録ランドマークは多様です。商業ビル・古代建築・記念碑・図書館・観光名所など、多様な建築種別をカバー。各ランドマークには1〜10枚の画像を収録。異なるアングル・距離・時間帯からの撮影データを含むため、実環境での汎化性能向上に貢献します。 アノテーションは高精度です。ランドマークの国・都市・所在地・分類・説明文を付与。ランドマーク情報の精度・説明文の精度ともに97%超を保証。データ形式は画像が.jpg、注釈が.json。 本データセットは、ランドマーク認識モデルの学習や、多言語画像キャプション生成、画像テキスト検索システム開発に最適。観光アプリ開発、文化遺産デジタルアーカイブ、グローバル展開を視野に入れた画像理解基盤の整備など、幅広い用途にご利用いただけます。 さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録国・建築種別・言語比率・アノテーション粒度などを柔軟に調整。独自性の高いランドマーク認識ソリューション開発を、最適な学習データ基盤でサポートいたします。

現在、大規模言語モデルや教育テック開発では、大学レベルの専門知識を反映した高品質なSTEM問題データの確保が課題です。 弊社が提供する本データセットは、約150万件の英語理工系試験問題を収録。対象は大学レベル。数学・物理学・化学・生物学など、STEM分野を包括的にカバーします。 各問題には、タイトル・正解・解析・科目・学年・問題形式の6項目を付与。数式は構造化形式に変換済み。表形式データも標準化処理済み。コンテンツはクリーニング済みで、学習用として最適な品質を実現。 データ形式はjsonl。英語テキストベースの構造化データです。大規模言語モデルの知識強化タスクや、専門分野の質問応答システム開発に最適です。 本データセットは、STEM分野のLLMファインチューニングや、学術的質問応答モデルの構築、教育用AIアシスタント開発に最適。英語理工系問題の自動解析、数式処理対応の知識強化、グローバル展開を視野に入れた学術AI基盤の整備など、幅広い用途にご利用いただけます。 開発企業の皆様。大学レベルの専門知識を高精度に学習可能な構造化データを活用し、モデルの学術的理解力を効率的に向上可能です。 さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録科目・問題形式・解析粒度・データ形式などを柔軟に調整。独自性の高いSTEM特化LLMソリューション開発を、最適な学習データ基盤でサポートいたします。

現在、教育テックやAI採点システムの開発では、多様な科目・問題形式に対応した高精度なテスト問題画像データの確保が課題です。 弊社が提供する本データセットは、204,522枚のテスト問題画像を収録。小学校・中学校・高校・大学・職業教育まで、幅広い学習領域をカバーします。 収録問題形式は多岐にわたります。単一・複数選択式、穴埋め、短答、記述式、図版付き問題など、実用的な設問タイプを網羅。収集デバイスはスキャナーとスマートフォン。実環境での撮影バリエーションも確保。 アノテーションは高精度です。問題文・選択肢・解答・図版に対して、四角形バウンディングボックスとテキスト転写を付与。数式・表はLaTeX形式で変換済み。データ形式は画像が.jpg、注釈が.json、数式が.tex。 本データセットは、教育画像OCRモデルの学習や、自動採点システム・宿題チュータリングアプリ開発に最適。テスト問題認識、LaTeX数式変換、多科目一括処理、EdTechプラットフォーム構築など、幅広い用途にご利用いただけます。 さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録科目・問題形式・アノテーション粒度・データ形式などを柔軟に調整。GDPR/CCPA/PIPL準拠のプライバシー保護のもと、独自性の高い教育テックソリューション開発をサポートいたします。

20,846グループのレシピ画像テキストペアを収録。各レシピには4〜18枚の工程画像が含まれ、それぞれに詳細な手順説明が付属します。 収録料理は多国籍です。中国料理・西洋料理・韓国料理・日本料理など、多様な食文化を網羅。説明文は中国語（15語以上）と英語（30語以上）のバイリンガル対応。画像解像度は原則200万ピクセル以上を保証。 アノテーション品質も高く、各画像に詳細なステップバイステップ説明を付与。文章精度は95%超を維持。明瞭で客観的な記述、誤字脱字なし、機微コンテンツ排除を実現。データ形式は画像が.jpg、注釈が.txt。 本データセットは、視覚言語モデルの学習や、料理画像キャプション生成、マルチモーダルレシピ理解アルゴリズム開発に最適。中日英バイリンガル対応の調理手順説明生成、AIGC料理コンテンツ作成、指示追従型料理アシスタント開発など、幅広い用途にご利用いただけます。 さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録料理種別・言語比率・説明文言語・アノテーション粒度などを柔軟に調整。独自性の高い料理関連マルチモーダルソリューション開発を、最適な学習データ基盤でサポートいたします。