gpic

构建合规高质量图像语料，助力视觉生成模型训练

GPIC 是一个用于视觉生成的大规模许可图像语料库的官方代码库，旨在为文本到图像生成等视觉生成任务提供高质量的训练数据。该项目解决了当前视觉生成模型训练中数据获取难、版权风险高、数据质量参差不齐的问题。核心能力包括：提供一套完整的图像数据收集、过滤、标注和整理流程，支持从互联网抓取图像并依据许可协议进行筛选，确保数据可合法用于训练；同时提供与主流生成框架（如 flow-matching）的接口，便于研究者直接使用该语料库进行模型训练。项目基于 Python 实现，利用 JIT 等技术优化数据处理效率，适合大规模数据集构建。目前项目处于早期阶段，代码和文档正在完善中。

开源 unknown 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 54
维护状态 低维护
是否开源 是
定价模式 unknown

项目数据

分类图像生成
开发团队keshik6
所属国家
官网地址https://gpic.stanford.edu
GitHubhttps://github.com/keshik6/gpic
定价模式unknown
价格说明项目为斯坦福大学发布的图像生成数据集及配套代码，官网提供项目介绍，但未明确在线体验或定价信息。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型flow-matching,generative-ai,jit,large-scale-dataset,text-to-image,text-to-image-generation
GitHub 星标★ 54
30天Star增速
HF 下载量
上线时间2026-05-29 00:00:00
最近更新2026-08-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数8

使用教程

核心亮点

  • 提供完整的图像数据采集与许可过滤流程，降低版权风险
  • 与 flow-matching 等生成框架集成，便于直接用于模型训练
  • 使用 JIT 优化数据处理，适合大规模语料构建

不足之处

  • 文档/社区待观察
  • 项目处于早期，功能可能不完整

适用场景

  • 研究者构建大规模文本到图像训练数据集
  • 企业需要合规图像数据用于商业模型开发
  • 开发者希望快速获取高质量图像语料进行生成模型微调

替代项目

LAION-5B、DataComp、Common Crawl

项目介绍

gpic 是数据集领域的开源项目，由 keshik6 开发，是 2026 年新上线的项目。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 54。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-24。项目为斯坦福大学发布的图像生成数据集及配套代码，官网提供项目介绍，但未明确在线体验或定价信息。从国内网络环境看，可直接访问。

它主要面向的使用场景是：研究者构建大规模文本到图像训练数据集。同类可对比的替代方案包括 LAION-5B、DataComp、Common Crawl。

上一篇：AGIQA-3k-Database

下一篇：paper-list

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09