KMH158-QLU/test_dataset_13432

Name: KMH158-QLU/test_dataset_13432
Creator: KMH158-QLU
Published: 2025-10-25T01:41:05+08:00

Hugging Face2025-10-17 更新2025-10-25 收录

UI用户界面

多模态交互

数据链接：

https://hf-mirror.com/datasets/KMH158-QLU/test_dataset_13432 数据链接链接失效反馈

官方服务：

资源简介：

这是一个包含22个UI自动化任务示例的数据集，这些任务来自1个视频的屏幕录制。每个条目包含视频ID、步骤编号、系统提示、用户指令、模型的推理和动作以及UI状态的截图。

This is a dataset containing 22 UI automation task examples from 1 video screen recording. Each entry includes a video ID, step number, system prompt, user instruction, model reasoning and action, and a screenshot of the UI state.

提供机构：

OBJECTFOLDER是由斯坦福大学研究人员创建的多模态3D虚拟对象数据集，旨在推动多模态感知与交互研究。该数据集包含100个虚拟化对象，涵盖视觉、听觉和触觉三种模态的隐式神经表示。每个对象通过隐式神经网络建模，可生成不同视角的视觉图像、碰撞声音和表面触觉信息。数据集对象来源于在线资源库，经过精细的视觉纹理处理和物理属性标注。其创建过程结合了神经隐式表示技术，通过深度神经网络编码多模态数据，形成

ai.stanford.edu2021-11-08 更新1381

MCA-Bench

验证码安全

多模态交互

MCA-Bench是一个包含四种模态的端到端CAPTCHA安全基准测试，包括静态视觉识别、点击定位、交互操作和文本逻辑问答，涵盖了20个现实世界中的任务。该数据集提供了超过180000个训练样本和一个包含4000个项目的测试集（每个任务200个示例），分为四个集群，分别评估OCR对视觉噪声的鲁棒性、复杂场景中的目标检索、类似人类的交互行为和多步骤语言推理。数据集样本包括点选定位、静态视觉识别、文本

arXiv2025-06-06 更新530

pii-ui-screenshots

PII检测

UI用户界面

该数据集包含合成的UI截图，带有用于PII（个人身份信息）检测的真实边界框注释。数据集总样本数为44,865个，其中训练样本40,384个（非亚马逊公司），测试样本4,481个（仅亚马逊公司，用于跨公司评估）。数据集包含10,200个独特的源页面，变体类型包括完整、部分和空。数据集使用跨公司分割进行稳健评估，训练集包含除亚马逊外的所有公司样本，测试集仅包含亚马逊样本。数据集还详细描述了公司分布、页

Hugging Face2026-01-21 更新140

OmniMMI

多模态交互

视频理解

OmniMMI是一个专为Omni语言模型设计的全面的多模态交互基准，适用于流媒体视频环境。该数据集包含超过1,121个视频和2,290个问题，旨在解决现有视频基准中未被充分探索的两个关键挑战：流媒体视频理解和主动推理。数据集涵盖了六种不同的子任务，包含动作预测、动态状态定位、多轮依赖推理等。数据来源于YouTube和开源视频音频数据，经过人工审核和标注，适用于评估多模态语言模型在流媒体视频环境中的

arXiv2025-03-29 更新830

MCIF

多模态交互

跨语言处理

### Dataset Description, Collection, and Source MCIF (Multimodal Crosslingual Instruction Following) is a multilingual human-annotated

魔搭社区2026-07-05 更新170