数据链接：
官方服务：
资源简介：
CC12 captions produced by FuseCap.
应用场景：
创建时间：
2023-11-17
相关数据集
omegalabsinc/omega-multimodal
OMEGA Labs Bittensor Subnet数据集是一个用于加速人工通用智能（AGI）研究和开发的多模态数据集。该数据集通过Bittensor去中心化网络提供，旨在成为世界上最大的多模态数据集，涵盖人类知识和创造的广泛领域。数据集包含超过100万小时的视频和3000多万个2分钟的视频片段，覆盖50多种场景和15000多个动作短语。数据集利用最先进的模型将视频组件转换为统一的潜在空间，从而
Hugging Face2025-04-21 更新870
MMIS
MMIS数据集由MSA大学创建，专注于多模态室内场景的视觉生成和识别。该数据集包含近160,000张图像，每张图像附有对应的文本描述和音频记录，涵盖多种室内风格和布局。数据集的创建过程包括图像收集、文本描述生成和语音注释，旨在支持图像生成、检索、标注和分类等多模态表示学习任务。MMIS数据集的应用领域广泛，特别是在室内设计图像的分析和生成方面，旨在通过多模态信息融合解决实际问题。
arXiv2024-07-08 更新2350
