Multimodal SeeSet for Visibility Estimation

kaggle2024-08-23 更新2025-07-12 收录

单视角可见性估计

多模态视觉感知

数据链接：

https://www.kaggle.com/datasets/skywolfmo/multiseeset 数据链接链接失效反馈

官方服务：

资源简介：

RGB + Depth + Normal images for Single View Visibility Estimation

用于单视图可见性估计的 RGB、深度以及法线图像集

创建时间：

2024-08-23

QuadTrack600

多模态视觉感知

数据处理

QuadTrack600是一个包含RGB、热红外、事件和语言四种模态数据的大型高质量基准数据集，由安徽大学构建，旨在为通用多模态视觉跟踪提供一个全面的评估平台。该数据集包含600个视频序列，每个序列包含三种模态的数据以及针对第一个帧的语言描述，总计超过73万个帧对。每个帧对在空间上对齐，并手动标注边界框，确保高质量注释。该数据集在行人、交通工具和动物等多种目标类别上具有高度多样性，适用于评估多模态

arXiv2025-03-14 更新1050

contempArt embeddings: 16 image-embedding heads across 9 backbones

艺术图像特征提取

多模态视觉感知

Precomputed image embeddings for the contempArt dataset (441 contemporary German art students, 14,390 artworks). Ships 16 embedding heads across 9 backbones: CLIP (ViT-L/14, ViT-B/32), OpenCLIP (ViT-L

Zenodo2026-04-21 更新40

Cat Royale Comprehensive Dataset

行为分析

多模态视觉感知

Cat Royale Comprehensive Dataset (CRCD) The Cat Royale Comprehensive Dataset (CRCD) is a large, multi-modal dataset for feline computer vision research, supporting tasks including instance segmentati

Zenodo2026-04-13 更新20

RSMMVP

遥感影像

多模态视觉感知

RSMMVP是一个针对遥感影像的多模态视觉模式基准数据集，由日本理化学研究所(RIKEN AIP)和东京大学共同创建。该数据集包含95对CLIP-blind图像，旨在评估多模态大型语言模型在遥感任务中的性能。数据集通过分析CLIP-blind图像对构建VQA任务，包含300个问题，每个问题都是为了评估模型在区分遥感图像中的细微差异的能力。

arXiv2025-03-20 更新500

high altitude UAV multi-modal tracking dataset

无人机跟踪

多模态视觉感知

The dataset consists of visible and infrared multimodal video captured by a drone equipped with a hybrid sensor at an altitude of 500 meters, mainly containing 150 visible and infrared video pairs, to

科学数据银行2025-03-12 更新30

Multimodal SeeSet for Visibility Estimation

资源简介：

相关数据集