説明文から画像生成の学習データの構造について

Question

テキストの説明から画像生成するモデルを使用する際に
学習データはあらかじめ説明文が入っているのでしょうか。

画像分類や画像生成の学習データとしてよく使われるOxford-102やCUBでは
画像が花や鳥の画像が万枚オーダーでパッケージされたオープンデータセットであると認識しています。

これらのデータセットをつかって説明文から画像生成する場合
データセットにはあらかじめ正解の説明文とそれに一致する画像が
紐付いている必要があると思います。
Oxford-102やCUBではこれらの下処理が既に完了しているのか
知りたいです。

Comments

[toast-uz]

Oxford-102やCUBではこれらの下処理が既に完了しているのか知りたいです。
→ ダウンロードして中身を見てみたのでしょうか？
https://www.robots.ox.ac.uk/~vgg/data/flowers/102/

[watchdogs]

そうですね。　どのようなデータ構造になっているのか知りたいと思っています。
中身を見ることは可能なのでしょうか。

[toast-uz]

中身を見ることが不可能であれば、そもそもデータセットが使えないですよね。