---
title: Phone_Photosho_UI
canonical_url: "https://www.modelscope.cn/datasets/OceanZhengYang/Phone_Photosho_UI"
md_url: "https://www.modelscope.cn/datasets/OceanZhengYang/Phone_Photosho_UI.md"
repository: OceanZhengYang/Phone_Photosho_UI
chinese_name: "掌上视界：手机UI描述数据集"
last_updated: 2026-06-27
license: cc-by-4.0
storage_size: "367 MB"
downloads: 77070
stars: 7
---

# Phone_Photosho_UI

> Phone_Photosho_UI - OceanZhengYang 在 ModelScope 开源的数据集。针对小参数量视觉模型在图像理解深度不足、对手机端实际使用场景能力有限的问题，本文基于上万张原始图像精筛选构建了包含 1,672 张样本的数据集。以 Qwen-VL-235B 作为教师模型、Qwen-VL-2B-Instruct 作为学生模型开展知识蒸馏训练，面向手机端典型使用场景对模型进行专项优化，以提升端侧部署的视觉理解能力与实用性。

OceanZhengYang/Phone_Photosho_UI 是 ModelScope 魔搭社区上的数据集，存储大小 367 MB，采用 cc-by-4.0 许可。

- **Repository**: OceanZhengYang/Phone_Photosho_UI
- **License**: cc-by-4.0
- **Storage size**: 367 MB
- **Downloads**: 77070
- **Stars**: 7
- **Last updated**: 2026-06-27

Source: https://www.modelscope.cn/datasets/OceanZhengYang/Phone_Photosho_UI

---

# 掌上视界：手机 UI 描述数据集（Phone_Photosho_UI）

**所有者（Owner）**：OceanZhengYang  
**许可证（License）**：CC BY 4.0  
**公开性（Visibility）**：公开

## 数据集简介

针对小参数量视觉模型在图像理解深度不足、对手机端真实使用场景适配性较差的问题，
本数据集基于上万张原始手机截图与照片精筛选，构建了 **1,672 张**高质量样本。

每张图片均配有一条由大模型生成并人工审阅优化的**中文细粒度描述**，
重点覆盖手机端常见交互界面，如：锁屏、通知、系统设置、App 登录注册、聊天、
电商下单、地图导航、媒体播放、新闻阅读等典型场景。

在建模上，数据集主要用于以 **Qwen-VL-235B** 作为教师模型、
**Qwen-VL-2B-Instruct** 作为学生模型的视觉-语言知识蒸馏实验，
目标是显著提升小参数量模型在手机端 UI 场景下的理解能力与实用性，
便于后续在端侧进行高效部署。

## 数据集结构

```
Phone_Photosho_UI/
├── README.md                  # 数据集说明（本文件）
├── train.jsonl                # 训练数据（Swift/LLaMA-Factory 对话格式）
├── train.csv                  # 训练数据（表格格式，备用）
├── image_descriptions.json    # image_id 到中文描述的完整映射
└── images/                    # 原始图片文件夹
    ├── 80000.jpg
    ├── 80001.jpg
    ├── 10128.jpg
    └── ... （共 1,672 张）
```

## 数据格式说明

### 主格式：train.jsonl（推荐）

JSONL 格式，每行一个 JSON 对象，兼容 **Swift**、**LLaMA-Factory** 等主流 VLM 训练框架：

```json
{
  "messages": [
    {"role": "user", "content": "<image>请详细描述这张手机UI界面截图的内容。"},
    {"role": "assistant", "content": "这是短视频应用首页推荐界面，黑色状态栏显示时间..."}
  ],
  "images": ["images/80000.jpg"]
}
```

### 备用格式：train.csv

| 字段名       | 类型   | 说明                         |
|--------------|--------|------------------------------|
| image_id     | string | 图片 ID（不含扩展名）        |
| image        | string | 图片相对路径，如 `images/80000.jpg` |
| description  | string | 对应图片的中文细粒度描述     |

## 典型应用场景

- **图像描述（Image Captioning）**：为手机 UI / 屏幕截图生成自然语言描述。
- **视觉理解与检索**：评估或训练模型在手机端真实应用场景中的界面理解能力。
- **知识蒸馏与压缩**：将大模型的视觉理解能力蒸馏到小参数量模型，用于端侧部署。
- **UI 设计质量评估**：辅助研究界面可用性与可访问性相关任务。

## 使用示例

```python
from modelscope import MsDataset

ds = MsDataset.load('OceanZhengYang/Phone_Photosho_UI', split='train')
print(ds[0])
```

示例输出：

```python
{
    'image_id': '80002',
    'image': 'images/80002.jpg',
    'description': '这是手机锁屏界面，背景是一朵立体感很强的白金渐变花朵，从屏幕下方向上绽放，花瓣细腻有丝绸质感……'
}
```

## 数据统计

- 图片数量：**1,672**
- 描述语言：中文
- 覆盖场景：手机系统界面、工具类 App、电商、社交、地图导航、影音娱乐、新闻阅读等