COCO-35L是一个机器生成的图像描述数据集，通过使用Google的机器翻译API将COCO Captions（Chen et al., 2015）翻译成其他34种语言构建而成。152520个图像ID在COCO 2014训练集的描述中未找到，但验证集是完整的。数据集支持图像描述任务，并提供了多种语言的描述，包括菲律宾语、印度尼西亚语、泰语和越南语。

Hugging Face2024-06-24 更新150

数据堂—700,000组通用场景图像描述数据（简单描述）

图像识别

多语言图像描述生成

700,000组图像及描述，图片类型涵盖风景、动物、花卉树木、人物、汽车、运动、工业以及建筑等多种类别及一个美学子集，每张图不少于两种描述，每种描述一句话；少部分图像只有一种描述，描述语言为英语，中文两种语言

魔搭社区2025-12-03 更新110

Multi30k

多语言图像描述生成

机器翻译

Multi30k数据集是一个多语言的英语-德语图像描述数据集，包含训练、验证和测试数据，支持多种语言如英语、德语、法语和捷克语。数据集提供了详细的统计信息和文件结构，以及如何获取和使用这些数据的指导。

github2024-04-29 更新2100

justram/AToMiC-Images-v0.2-medium

视觉-语言对齐

多语言图像描述生成

--- dataset_info: features: - name: image_url dtype: string - name: image_id dtype: string - name: language sequence: string - name: caption_reference_description sequence: s

Hugging Face2023-01-23 更新150

PASCAL 1K-Hindi Image Captioning

资源简介：

相关数据集