sebelsn/tad66k-vision-de

---

TAD66K Vision DE

Deutschsprachiger Vision-Language Datensatz auf Basis von TAD66K. Strukturierte Bildbeschreibungen als kompaktes Schema-Format, mit tiefen atmosphärischen Dialogen auf Deutsch.

Primär entwickelt als Trainingsdatensatz für Kassandra Vision LoRA.

---

Konzept

Statt Bilder direkt als Text zu beschreiben wird ein kompaktes maschinenlesbares Schema verwendet (~80 Tokens statt ~180 Fließtext):

F:beach_scene
G:people#8b4513@fg|sand#d2b48c@mg|water#4682b4@bg
P:#8b4513,#d2b48c,#4682b4
L:<top_left_warm>
D:<d>
O:people,sand,water
Z:people-front-of-water

Auf diesem Schema aufbauend werden tiefe Multi-Turn Dialoge generiert — das Modell behandelt das Schema als eigene Wahrnehmung, nicht als technische Beschreibung.

---

Schema-Format

Feld	Bedeutung	Beispiel
F:	Fokus / Hauptmotiv	F:garden_landscape
G:	Grid 3x3, Objekte mit Hex-Farbe und Tiefe	G:flower#ff69b4@fg
P:	Farbpalette (Hex-Codes)	P:#ff69b4,#2d5a1b
L:	Lichtquelle und Qualität	L:<top_left_warm>
D:	Tiefenwirkung	D:<d> (deep), D:<f> (flat)
O:	Objekte	O:flower,stem,background
Z:	Räumliche Relationen	Z:flower-front-of-stem
A:	Aktionen (optional)	A:person-walking-on-path
T:	Text/OCR (optional, Dokumente)	T:Rechnungsnummer 4521

Tiefenebenen in G:: @fg (Vordergrund), @mg (Mittelgrund), @bg (Hintergrund).

---

Entstehung

Stufe 1 — Bildanalyse: Ministral 3 14B (Vision) analysiert TAD66K Bilder und generiert das kompakte Schema. BGE-M3 erstellt Embeddings für Diversity-Sampling.

Stufe 2 — Dialog-Generierung: Ministral 3 14B (Text) generiert tiefe Multi-Turn Dialoge auf Deutsch aus dem Schema — atmosphärisch, assoziativ, sensorisch.

TAD66K Bild
  → Ministral 3 14B Vision → Schema (~80 Tokens)
  → Ministral 3 14B Text  → Deutscher Dialog (~10 Turns)
  → vision-turns.jsonl

---

Dateiformat

{
  "image_hash": "abc123",
  "turns": [
    {
      "role": "user",
      "content": "[Schema: F:beach_scene\nG:...]\n\nWelche Atmosphäre vermittelt diese Szene?"
    },
    {
      "role": "assistant",
      "content": "Die Szene strahlt eine ruhige, fast meditative Stimmung aus..."
    },
    {
      "role": "user",
      "content": "Welche Geräusche könnte man hier hören?"
    },
    {
      "role": "assistant",
      "content": "Das leise Plätschern des Wassers..."
    }
  ]
}

---

Inhalt (wird schrittweise erweitert)

Datei	Tranche	Typ	Beispiele	Status
vision-turns-t1.jsonl	T1	Tiefe Dialoge (~10 Turns)	14.997	✅
vision-turns-t2.jsonl	T2	Kreativ + Analytisch	15.002	✅
vision-turns-t3.jsonl	T3	Vergleichspaare	9.987	✅
vision-turns-t4.jsonl	T4	Instruktions-Tasks	6.888	✅
vision-turns-t5.jsonl	T5	Ästhetik + Bewertung	4.995	✅
vision-turns-t6.jsonl	T6	Farbwissenschaft + Geometrie	4.558	✅
vision-turns-t7.jsonl	T7	Korrekturen	1.238	✅
vision-turns-t8a.jsonl	T8a		3.720	✅
vision-turns-t8b.jsonl	T8b		3.084	✅

---

Training-Script

Das Repository enthält scripts/prepare_training.py — ein Script das alle verfügbaren Tranchen proportional mischt und einen fertigen Trainingsdatensatz erstellt:

python scripts/prepare_training.py \
  --input-dir data/ \
  --output    kassandra-training.jsonl

Proportionen: T1 30% · T2 20% · T3 15% · T4 12% · T5 12% · T6 11%

---

Verwendung

from datasets import load_dataset

ds = load_dataset("sebelsn/tad66k-vision-de", data_files="vision-turns-t1.jsonl")

for example in ds["train"]:
    image_hash = example["image_hash"]
    turns      = example["turns"]  # Liste von {"role": ..., "content": ...}

---

Ursprungsdaten

Basiert auf TAD66K — Theme-oriented Aesthetics Dataset:

• 66.000 handverlesene Bilder aus 47 Themen
• Jedes Bild von mind. 1.200 Menschen ästhetisch bewertet
• Lizenz: Apache 2.0
• Quelle: Shuai1995/TAD66K
• Paper: “Rethinking Image Aesthetics Assessment” (IJCAI 2022)

Die Originalbilder werden nicht weiterverteilt — nur strukturierte Beschreibungen und synthetische Dialoge.

---

Lizenz

MIT — kompatibel mit Apache 2.0 des Ursprungsdatensatzes. Attribution: TAD66K (Shuai1995, Apache 2.0).

---

Verwandte Ressourcen

• Kassandra Vision LoRA — trainiert auf diesem Datensatz
• TAD66K Original