WikiCaps

WikiCaps 是用于多模态机器翻译和检索的大规模多语言但非并行数据集。图片标题数据是从 Wikimedia Commons 中提取的，因此是网络中大量可用的非描述性图片标题对集合的代表。当前版本的数据集包含 3,816,940 张图像和 3,825,132 个英文字幕，以及另外 1,000 个德语、法语和俄语的图像-字幕对以及它们的英语对应物。