MONET：一个大规模、开放、非冗余且增强的文本到图像数据集

研究团队发布 MONET，一个采用 Apache 2.0 许可的开放文本到图像数据集，包含 103.8M 图文对，从 2.9B 原始图文对经安全过滤、领域过滤、精确与近似去重及多视觉语言模型重写描述后构建，并补充合成样本。每张图像附带预计算嵌入向量与标注，仅用该数据集训练的 4B 参数潜在扩散模型在 GenEval 和 DPG 上取得有竞争力的分数。