displayName: CrossMoDA (Cross-Modality Domain Adaptation) labelTypes: - Semantic_seg_map license: - CC BY-SA 4.0 mediaTypes: - Image paperUrl: https://arxiv.org/pdf/2201.02831v2.pdf publishDate: "2021

魔搭社区2024-08-29 更新240

taesiri/magic_brush_captioned

图像描述生成

机器学习

--- language: - en dataset_info: features: - name: img_id dtype: string - name: turn_index dtype: int32 - name: source_img dtype: image - name: mask_img dtype: image - name

Hugging Face2024-05-03 更新150

VANS-Data-100K

视频事件预测

跨模态学习

VANS-Data-100K是由香港城市大学与快手科技联合构建的专用视频数据集，旨在支持视频下一事件预测任务的研究。该数据集包含10万条高质量样本，其中3万为流程性任务数据，7万为预测性场景数据，每条样本由输入视频、问题及多模态答案构成。数据集通过四阶段流程精心构建：从COIN、YouCook2等来源采集原始视频，经镜头分割、片段筛选后，利用大语言模型生成多样化问答对与推理链。该数据集主要应用于视

arXiv2025-11-21 更新940

Image-audio pairs (1 of 3)

跨模态学习

多媒体分析

(Pairs of related 512x512 images & 1 s audios)

kaggle2024-06-17 更新160

Flickr Datasets

资源简介：

相关数据集