nimapourjafar/mm_LACONV

该数据集包含图像、音频和视频三种模态的数据，其中图像数据以序列形式存在，而音频和视频数据序列为空。数据集的主要数据部分包含字符串类型的数据、模态和角色信息。数据集分为训练集，包含256,870个样本，总大小为13,372,174,960字节，下载大小为3,137,384,119字节。

The dataset contains data of three modalities: images, audios, and videos, where image data exists in sequence form, while audio and video data sequences are null. The main data part of the dataset includes string-type data, modality, and role information. The dataset is divided into a training set, containing 256,870 samples, with a total size of 13,372,174,960 bytes and a download size of 3,137,384,119 bytes.

原始信息汇总

数据集概述

数据特征

• 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: 包含以下字段：
  • data: 数据字段，数据类型为字符串。
  • modality: 模态字段，数据类型为字符串。
  • role: 角色字段，数据类型为字符串。

数据集划分

• train: 训练集，包含256,870个样本，总大小为13,372,174,960字节。

数据集大小

• 下载大小: 3,137,384,119字节
• 数据集总大小: 13,372,174,960字节

配置

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