BleachNick/MIC_full

--- license: unknown --- ```bibtex @misc{zhao2023mmicl, title={MMICL: Empowering Vision-language Model with Multi-Modal In-Context Learning}, author={Haozhe Zhao and Zefan Cai and Shuzheng Si and Xiaojian Ma and Kaikai An and Liang Chen and Zixuan Liu and Sheng Wang and Wenjuan Han and Baobao Chang}, year={2023}, eprint={2309.07915}, archivePrefix={arXiv}, primaryClass={cs.CL} } ```许可证：未知 bibtex @misc{zhao2023mmicl, title={MMICL: 借助多模态上下文学习（Multi-Modal In-Context Learning）赋能视觉语言模型（Vision-language Model）}, author={赵浩哲、蔡泽凡、施舒政、马晓健、安恺恺、陈亮、刘子轩、王盛、韩文娟、常宝宝}, year={2023}, eprint={2309.07915}, archivePrefix={arXiv}, primaryClass={cs.CL（计算机科学 - 计算语言学）} }

原始信息汇总

数据集概述

数据集名称

MMICL: Empowering Vision-language Model with Multi-Modal In-Context Learning

作者

• Haozhe Zhao
• Zefan Cai
• Shuzheng Si
• Xiaojian Ma
• Kaikai An
• Liang Chen
• Zixuan Liu
• Sheng Wang
• Wenjuan Han
• Baobao Chang

年份

2023

相关信息

• 预印本编号: 2309.07915
• 存档前缀: arXiv
• 主要类别: cs.CL

许可

未知

搜集汇总

背景与挑战

背景概述

该数据集是一个多模态视觉-语言数据集，用于支持上下文学习任务，包含文本指令和对应的图像路径作为输入，以及生成的文本描述作为输出。数据基于COCO数据集图像，总大小约210GB，但存在数据生成错误，可能导致部分数据无法正常加载。