Einfach erklärt
LAION‑Korpora sind sehr große Datensammlungen aus Bild–Text‑Paaren aus dem Web. Sie werden für die Forschung an KI‑Bildmodellen genutzt. Statt alle Bilder zu speichern, stellt LAION meist Index‑Dateien/URLs mit Metadaten bereit (die Bilder liegen weiter im Web).
Warum wichtig? Mit Millionen bis Milliarden Paaren können Modelle lernen, wie Text und Bild zusammenhängen – Grundlage für Text‑zu‑Bild‑Generatoren wie Stable Diffusion.
Beispiele:
- LAION‑400M (2021) – rund 400 Mio. Bild–Text‑Paare.
- LAION‑5B (2022) – rund 5,85 Mrd. Paare (davon ~2,32 Mrd. englisch), Basis für viele offene Modelle.
- Teilmengen (Subsets) wie LAION‑2B(en) (englisch) oder Aesthetics‑Filter (qualitäts-/stilbasiert) für spezielle Trainingsziele.
Professionelle Definition
LAION‑Korpora (Large‑scale Artificial Intelligence Open Network) sind offen zugängliche, CLIP‑gefilterte Web‑Datensätze aus Bild–Text‑Paaren mit URLs, Text‑Beschreibungen und Metadaten (z. B. CLIP‑Scores, Sicherheits‑Signale wie NSFW‑/Wasserzeichen‑Wahrscheinlichkeiten).
Die Korpora umfassen u. a. LAION‑400M (2021) und LAION‑5B (2022). Sie werden als Index‑Dateien (mit Download‑Tools) veröffentlicht; Bilder verbleiben bei den Quell‑Servern. Dokumentation beschreibt Erstellung (Web‑Crawl, CLIP‑Filterung), Qualitäts‑/Aesthetics‑Scores, Sprachaufteilung, Lizenzen/Terms und bekannte Risiken (z. B. problematische Inhalte, personenbezogene Daten). Nutzer sind angehalten, Recht/Policy und ethische Leitlinien einzuhalten.
Quellen
- LAION‑5B (Paper, 2022) – Datensatzbeschreibung (5.85 B Paare):
https://arxiv.org/abs/2210.08402 - LAION‑400M (Paper, 2021) – Datensatzbeschreibung (400 M Paare):
https://arxiv.org/abs/2111.02114 - LAION – Datasets/Overview – Links/Anleitungen (inkl. Aesthetics‑Subsets):
https://projects.laion.ai/laion-datasets/ - LAION – Blog zu LAION‑5B – Hintergründe, Qualität/Filter:
https://laion.ai/blog/laion-5b/ - Hugging Face – Stable Diffusion v1‑4 (Model Card: „trained on subsets of LAION‑2B(en)“):
https://huggingface.co/CompVis/stable-diffusion-v1-4