MMIU数据集由苹果公司创建，专注于多模态助手中的视觉意图理解。该数据集包含12,000张图像和44,000个相关问题，旨在模拟用户向多模态助手提出的问题。数据集内容涵盖事实信息查询、本地商业搜索、食谱请求、导航指引等多个领域。创建过程中，通过标注者根据图像生成问题，并确定14种不同的意图类别。MMIU数据集的应用领域广泛，主要用于解决多模态助手在处理视觉信息时的意图识别问题，推动相关技术的发展。

arXiv2021-10-31 更新440

nimapourjafar/mm_docvqa

多模态

文档视觉问答

--- dataset_info: features: - name: images sequence: image: decode: false - name: audios sequence: 'null' - name: videos sequence: 'null' - name: data list:

Hugging Face2024-06-14 更新240

EQA-MX

具身问答

多模态

Dataset for the paper "EQA-MX: Embodied Question Answering using Multimodal Expression"

DataCite Commons2025-03-26 更新870

Modality-Parallel Persona Dataset

多模态

自然语言处理

该数据集包含40个多样化的人格特征，这些特征在年龄、性别、职业和地域上各不相同，并通过四种方式呈现：仅图像、仅文本、图像与小文本结合，以及排版图像。每个人格都由一组独特的属性定义：年龄、性别、职业和地域，并以四种不同的方式呈现，以评估多模态大型语言模型的表现力。该项任务旨在评估多模态大型语言模型中人格特征的表达性。

arXiv240

Chinese Red Culture Multimodal Dataset

资源简介：

相关数据集