Performance of models using PPG and IMU modalities separately.

Figshare2026-02-27 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/_p_Performance_of_models_using_PPG_and_IMU_modalities_separately_p_/31432475 数据链接链接失效反馈

官方服务：

资源简介：

Performance of models using PPG and IMU modalities separately.

创建时间：

2026-02-27

LiveXiv

多模态模型

科学领域

LiveXiv是一个基于arXiv论文内容的多模态实时基准数据集，由美国密歇根大学统计系等机构创建。该数据集通过自动生成视觉问答对（VQA）来测试大型多模态模型（LMMs）的能力，避免了传统数据集的污染问题。数据集的内容包括从arXiv论文中提取的图表、表格等多模态数据，并通过GPT-4o等模型生成问答对。创建过程中，数据集通过结构化文档解析和多模态模型过滤，确保了数据的质量和多样性。LiveXi

arXiv2024-10-15 更新1920

LMAct Benchmark

多模态模型

基准测试

该数据集是一个旨在评估大型基础模型在多种交互式决策任务中的多模态决策能力的基准测试。该基准测试涵盖了零样本、少样本和多样本情境，以评估模型在上下文学习环境中的表现。其规模可达到上百万个标记和最多512个完整演示集。任务包括玩井字游戏、国际象棋、Atari游戏、网格世界导航、解纵横字谜以及控制模拟猎豹等交互式决策任务。

arXiv460

creative-graphic-design/GraphicDesignEvaluation

图形设计评估

多模态模型

GraphicDesignEvaluation数据集用于评估大型多模态模型（如GPT-4o）是否能够根据核心设计原则（特别是对齐、重叠和空白）评估图形设计的质量。该数据集包含700个横幅和海报设计（100个原始和600个扰动），每个设计由60个人工标注者进行评分。每个图像都有相应的人类评分（1-10分）和基于GPT的三个原则的评分，从而可以研究人类判断、启发式指标和基于LMM的评估之间的相关性。数

Hugging Face2025-11-05 更新240

tsunghanwu/visual_haystacks

多模态模型

计算机视觉

Visual Haystacks (VHs) 是一个专门设计用于评估大型多模态模型（LMM）处理长上下文视觉信息能力的基准数据集。它也可以被视为第一个以视觉为中心的“大海捞针”（NIAH）基准数据集。数据集的使用主要针对计算机视觉、自然语言处理、机器学习和人工智能领域的研究人员和爱好者。

Hugging Face2024-07-18 更新930

ViDiC-1K

视频分析

多模态模型

ViDiC-1K是一个视频差异描述基准数据集，包含1000个精心挑选的视频对，标注了超过4000个比较检查项。该数据集旨在评估多模态大语言模型（MLLMs）在描述视频对之间相似性和差异性的能力，特别关注编辑理解而非编辑执行。数据集包括真实和合成视频，覆盖8个以上公共数据源，视频时长主要在2-12秒之间。

github2025-12-05 更新460

Performance of models using PPG and IMU modalities separately.

资源简介：

相关数据集