PascalVOC Dataset

该数据集包含了来自PascalVOC数据集的16,000张图片，这些图片与深度图和文本提示一一对应。深度图来源于Depth-Anything-V2，而文本提示则是通过BLIP2提取的。该数据集的规模为16,000张图像，旨在支持深度条件下的图像生成任务。