Comparison and summary of visual question answering model characteristics.

NIAID Data Ecosystem2026-05-10 收录

数据链接：

https://figshare.com/articles/dataset/Comparison_and_summary_of_visual_question_answering_model_characteristics_/30613859 数据链接链接失效反馈

官方服务：

资源简介：

Comparison and summary of visual question answering model characteristics.

创建时间：

2025-11-13

MMIS

多模态学习

设计分析

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

5CD-AI/Vietnamese-lmms-lab-LLaVA-Video-178K-gg-translated

视觉问答

音视频文本转换

该数据集是一个翻译后的数据集，包含178,509个caption条目、960,791个开放式问答条目和196,198个多项选择问答条目。数据集的视频来源自lmms-lab/LLaVA-Video-178K仓库。数据集的任务类别包括视觉问答和视频文本到文本转换，语言为英语和越南语，标签为视频和文本，大小类别为1M到10M之间。

Hugging Face2024-10-22 更新250

Berkesule/translated_mmiq_dataset_with_question

图问答

多模态学习

这是一个包含分类、图片、哈希值、数据ID、答案、数据集分割和翻译后问题的数据集。数据集包含一个训练集部分，共有2710个示例，数据大小为190835697.7字节。

Hugging Face2025-10-23 更新130

cjfcsjt/AITW_Single

Android控制

视觉问答

--- dataset_info: - config_name: unseen_subject features: - name: ep_id dtype: string - name: step_id dtype: int64 - name: android_api_level dtype: int64 - name: current_activity

Hugging Face2024-04-24 更新510

baraah/data_3_5_20k

多模态学习

图像识别

--- dataset_info: features: - name: image dtype: image - name: text dtype: string splits: - name: train num_bytes: 936659690.0 num_examples: 20000 download_size: 952393905

Hugging Face2024-05-03 更新160

Comparison and summary of visual question answering model characteristics.

资源简介：

相关数据集