e-SNLI-VE Dataset

e-SNLI-VE is a large VL (vision-language) dataset with NLEs (natural language explanations) with over 430k instances for which the explanations rely on the image content. It has been built by merging the explanations from e-SNLI and the image-sentence pairs from SNLI-VE.

e-SNLI-VE 是一个包含自然语言解释（NLEs）的庞大视觉-语言数据集，该数据集拥有超过 430,000 个实例，其中解释依赖于图像内容。该数据集是通过合并 e-SNLI 的解释与 SNLI-VE 中的图像-句子对构建而成。

搜集汇总

背景与挑战

背景概述

e-SNLI-VE是一个大型视觉语言数据集，包含超过43万个实例，每个实例都提供自然语言解释，且这些解释依赖于图像内容。该数据集通过整合e-SNLI的解释和SNLI-VE的图像-句子对构建而成，旨在支持视觉与语言结合的推理任务。