nimapourjafar/mm_vistext

该数据集包含多个特征，包括图像、音频、视频和数据。图像特征是一个序列，但不进行解码；音频和视频特征序列为空，表示可能不包含这些数据。数据特征是一个列表，包含数据类型、模态和角色三个字段。数据集分为一个训练集，包含9969个样本，总大小为550361947字节。下载大小为412510913字节。

原始信息汇总

数据集概述

数据集特征

• images: 包含图像数据，图像未解码。
• audios: 包含音频数据。
• videos: 包含视频数据。
• data: 包含以下子特征：
  • data: 数据类型为字符串。
  • modality: 数据类型为字符串。
  • role: 数据类型为字符串。

数据集分割

• train: 训练集，包含9969个样本，总大小为550361947字节。

数据集大小

• 下载大小: 412510913字节
• 数据集总大小: 550361947字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。