有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
result-kand2-sdxl-wuerst-karlo/46328984
收藏hugging_face2023-09-14 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/result-kand2-sdxl-wuerst-karlo/46328984
下载链接
链接失效反馈资源简介：
---
dataset_info:
features:
- name: result
dtype: string
- name: id
dtype: int64
splits:
- name: train
num_bytes: 209
num_examples: 10
download_size: 1390
dataset_size: 209
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "46328984"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
result-kand2-sdxl-wuerst-karlo
原始信息汇总
数据集概述
数据特征
- result: 数据类型为字符串（string）
- id: 数据类型为整数（int64）
数据分割
- train: 包含10个样本，占用209字节
数据大小
- 下载大小: 1390字节
- 数据集大小: 209字节
配置
- default: 包含训练数据文件，路径为
data/train-*
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
FACED
FACED数据集是由清华大学脑与智能实验室和智能技术与系统国家重点实验室共同创建，包含从123名参与者收集的32通道EEG信号，用于情感计算研究。数据集通过记录参与者观看28个情感诱发视频片段时的EEG信号构建，旨在通过EEG信号分析情感状态。创建过程中，数据经过标准化和统一预处理，设计了四个EEG分类任务。该数据集主要应用于情感识别和脑机接口领域，旨在解决情感计算中的分类问题，提高情感识别的准确性和效率。
arXiv 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录
DNS-Challenge
深度噪声抑制挑战数据集，包含干净的语音和噪声剪辑，用于训练和评估在有噪声环境下增强语音的模型。
huggingface 收录
ChinaTravel
ChinaTravel是由南京大学国家重点实验室开发的一个真实世界基准数据集，专门用于评估语言代理在中国旅行规划中的应用。该数据集涵盖了中国10个最受欢迎城市的旅行信息，包括720个航班和5770趟列车，以及3413个景点、4655家餐厅和4124家酒店的详细信息。数据集通过问卷调查收集用户需求，并设计了一个可扩展的领域特定语言来支持自动评估。ChinaTravel旨在解决复杂的真实世界旅行规划问题，特别是在多兴趣点行程安排和用户偏好满足方面，为语言代理在旅行规划中的应用提供了重要的测试平台。
arXiv 收录
CMU-MOSI
CMU-MOSI数据集包括了从93个YouTube的视频中获取的2199个独白类型的短视频片段。每个片段都是一个独立的多模态示例，其中图像、文本和音频占比是均匀的，情感分数取值为[-3,+3]，表示从强负向到强正向情感。
DataCite Commons 收录