高质量通用图文数据集覆盖了各类图像数据以及对应的高质量文本描述，助力于人工智能研究，为图像和文本的多模态学习提供丰富的数据基础，有助于开发更先进的人工智能模型。对于图像描述生成，在图像描述生成领域，它可以让模型学习到如何准确、生动且富有逻辑性地描述一幅图像的内容；对于文本到图像生成方面，为模型提供丰富的参考和灵感，从而生成更符合文本描述、更具创意和艺术感的生动图像。在图像识别方面，能够帮助模型更精

北京市数据知识产权2024-09-06 更新5770

ComprehendEdit

多模态学习

知识编辑

ComprehendEdit是一个综合的多模态知识编辑数据集，由哈尔滨工业大学等机构创建，旨在评估多模态语言模型在知识编辑中的表现。数据集包含8个不同任务，涵盖对象存在、对象识别、场景信息等多个领域，总样本数为17,932条。数据集的创建过程结合了多个现有数据集，并通过预训练模型生成等效输入以确保多样性和全面性。该数据集主要用于解决多模态知识编辑中的知识泛化和保留问题，为未来研究提供了新的评估框架

arXiv2024-12-17 更新860

IndoMER DATASET

情感识别

多模态学习

IndoMER DATASET是第一个全面的印尼多模态情感识别基准数据集。该数据集包含1944个时间对齐的社交媒体视频片段，经过精心标注，涵盖文本、音频和视觉模态的七种情感，并具有详细记录的长尾类别分布，以反映现实世界的挑战。

github2025-12-23 更新470

ICM-Instruct

图像内容审核

多模态学习

ICM-Instruct数据集是一个用于图像内容审核的大规模指令调优数据集，由香港中文大学、华为香港研究中心等机构联合创建。该数据集通过分解人类定义的规则，并利用多阶段提示生成详细的审核解释和问答对，涵盖了多种文化规范和儿童保护标准。数据集的内容包括丰富的图像注释、审核解释和问答对，旨在提升多模态大语言模型在图像内容审核中的分类和解释能力。数据集的创建过程涉及规则分解、图像下载和多阶段提示生成，最

arXiv2024-12-24 更新2310

OpenAI-CLIP weights

多模态学习

预训练模型

OpenAI's CLIP - pretrained weights

kaggle2022-08-04 更新480