Comparison and summary of visual question answering model characteristics.

Figshare2025-11-13 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Comparison_and_summary_of_visual_question_answering_model_characteristics_/30613859 数据链接链接失效反馈

官方服务：

资源简介：

Comparison and summary of visual question answering model characteristics.

创建时间：

2025-11-13

SpatialBench

空间推理

多模态AI

SpatialBench是由多所顶尖学术机构联合构建的大规模空间认知评估数据集，专为测评多模态大语言模型的空间推理能力而设计。该数据集包含1,347个精细标注的问答对，源自50个第一人称视角视频，覆盖室内外静态与动态场景，数据来源通过定制传感平台采集的实景录像。数据集构建采用分层认知框架，将空间智能分解为五个渐进层级，通过专业标注流程实现多维度能力评估。该数据集主要应用于人工智能领域，旨在系统解决

arXiv2025-11-26 更新3170

lance-format/laion-1m

多模态AI

图像-文本对

--- license: cc-by-4.0 task_categories: - text-to-image - image-to-text - zero-shot-image-classification language: - en tags: - laion - clip - vision-language - lance pretty_name: laion-1m-lance size_

Hugging Face2026-05-18 更新220

智能会议助手智能体

智能会议

多模态AI

基于大语言模型与多模态AI技术，贯穿会前、会中、会后全流程，将非结构化的会议语音实时转化为结构化的纪要、待办与知识资产，助力建立高效、可追溯的会议能力体系。

江苏数据交易所170

Trust-videoLLMs

视频理解

多模态AI

Trust-videoLLMs数据集是一个用于评估视频大型语言模型（videoLLMs）可信度的综合基准，涵盖了真实、安全、鲁棒性、公平性和隐私五个维度。该数据集包含30个任务，涉及动态视觉场景、跨模态交互和现实世界的安全问题，旨在评估videoLLMs在多模态理解和分析方面的可信度。数据集由任务适配的现有数据集、使用高级文本/图像到视频工具生成的合成数据以及手动收集和标注的数据组成，确保了场景的

arXiv2025-06-14 更新350

MultiCaRe: An open-source clinical case dataset for medical image classification and multimodal AI applications

医疗图像分类

多模态AI

The dataset contains multi-modal data from over 70,000 open access and de-identified case reports, including metadata, clinical cases, image captions and more than 130,000 images. Images and clinical

IEEE210

Comparison and summary of visual question answering model characteristics.

资源简介：

相关数据集