e-SNLI-VE 大规模视觉语言数据集

e-SNLI-VE 是一个带有自然语言解释（natural language explanations）的大规模视觉语言数据集，其中包含超过 43 万个实例，所有的解释都是基于图像内容的。该数据集是通过合并 e-SNLI 数据集的解释和 SNLI-VE 数据集的图像-句子对而建立的。

e-SNLI-VE is a large-scale vision-language dataset featuring natural language explanations. It includes over 430,000 instances, all of whose explanations are grounded in image content. This dataset is constructed by combining the natural language explanations from the e-SNLI dataset and the image-sentence pairs from the SNLI-VE dataset.

搜集汇总

背景与挑战

背景概述

e-SNLI-VE是一个大规模视觉语言数据集，包含超过43万个实例，每个实例都提供基于图像内容的自然语言解释。该数据集通过合并e-SNLI的解释和SNLI-VE的图像-句子对构建而成。