Zovda
一个带着分辨率字段的图像文件夹，看起来像数据集。第一次有人要求「只要户外、白天、没有人的图」时，它就会露馅——这些事实一个都没记。
图像是最便宜、也最容易被记录不足的模态。缺的几乎从来不是像素。
分辨率不是关键字段
现代模型几乎能吃任何分辨率的图。它补不回来的是从没写下来的上下文：图从哪来、里面有什么、有没有人、是不是在室内拍的。
八个字段承载了大部分价值：拍摄类型、场景类别、光照、主体数量、是否有人、集合的许可状态、处理链路、稳定编号。这些写对了，整份语料不打开文件就能回答问题。
描述场景，而不是描述画面
「两个人在走路」是字幕；「户外 / 白天 / 两人 / 街道 / 阴天」是元数据。后者能筛选，前者只能一条条读。
我们把描述性字幕单独放一个字段：它对多模态训练有用，但对切分训练配比没用。
去重也是文档的一部分
图像语料从采集那天起就在变旧：重复堆积、低质帧留下、近似连拍把一个类别的数量撑大却没有增加信息。
把去重和画质过滤记成字段，买家才能判断手里是哪一版。
交付前我们跑的清单
- 每张图都带场景类别与光照标签？
- 「是否有人」是记录下来的，不是默认没有？
- 不去解码文件，也能筛掉重复与近似重复？
- 处理链路跟着集合走，而不是躺在一份 PPT 里？
- 编号跨导出稳定？
答不上这些，这只是一个文件夹。在 Zovda，Datuva 语料目录把这些字段当成产品的一部分，而不是事后补的说明。
从哪里开始
从你三个月后才会问的那个筛选问题出发，倒推需要的字段。图像语料写清了每一类里有什么，语料总目录则按训练阶段说明同一批图像怎么用。
告诉我们你要的场景和量，我们会在 1 个工作日内回复。