让我们一起来创建一个惊艳的图像生成模型吧！

最优秀的图像生成模型都经过人类偏好数据集的训练，其中注释者从两个选项中选择最佳图像。不幸的是，许多此类数据集都是闭源的，因此社区无法在其上训练开放模型。让我们改变这种状况！

社区可以为开源数据集贡献图像偏好，该数据集可用于构建将文本转换为图像的 AI 模型，例如 Flux 或 Stable Diffusion 系列。该数据集将是开源的，因此所有人都可以使用它来训练我们都可以使用的模型。

如何参与

如果您想为数据集做贡献，可以通过注释应用程序（使用 Argilla UI）添加偏好。您应该遵循以下步骤：

1. 前往 Argilla Space 并使用您的 Hugging Face 个人资料登录。
2. 查阅关于如何选择最佳图像的指南，以及优化工作流程的技巧。
3. 根据注释指南对您偏好的图像进行排名。您应该根据图像的审美吸引力以及它们与提示的符合程度进行排名。
4. 在排行榜上查看您的贡献。

如何使用数据集

我们将在项目进行期间定期分享数据集，因为数据集正在进行标注。因此，您将能够下载它以进行探索或训练您自己的模型。

如果您想使用此数据集，可以立即开始。我们将在 Hugging Face Hub 上以名为 `data-is-better-together/image-preferences-argilla` 的数据集存储库分享图像偏好数据集。

from datasets import load_dataset

dataset = load_dataset("data-is-better-together/image-preferences")

参考资料

• 排行榜 一个跟踪社区为数据集添加偏好进度的仪表盘。
• Argilla Space 托管数据集供社区贡献的空间。
• distilabel：一个用于创建合成数据集的工具。我们使用 distilabel 来演进提示并创建图像偏好数据集。
• Hugging Face Spaces：一个托管机器学习应用程序和演示的平台。我们使用 Spaces 托管用于提示排名的 Argilla 工具。
• Argilla：我们用于提示排名的开源数据标注工具。Argilla 可以选择使用 Hugging Face 进行身份验证，这使得社区贡献更加容易。