neulab/PangeaBench-xm100

--- language: - ar - bn - cs - da - de - el - en - es - fa - fi - fil - fr - hi - hr - hu - id - it - he - ja - ko - mi - nl - 'no' - pl - pt - quz - ro - ru - sv - sw - te - th - tr - uk - vi - zh license: cc-by-4.0 size_categories: - 1K<n<10K task_categories: - image-to-text pretty_name: xm100 dataset_info: features: - name: image_id dtype: string - name: image_locale dtype: string - name: caption dtype: string - name: image dtype: image splits: - name: ar num_examples: 100 - name: bn num_examples: 100 - name: cs num_examples: 100 - name: da num_examples: 100 - name: de num_examples: 100 - name: el num_examples: 100 - name: en num_examples: 100 - name: es num_examples: 100 - name: fa num_examples: 100 - name: fi num_examples: 100 - name: fil num_examples: 100 - name: fr num_examples: 100 - name: hi num_examples: 100 - name: hr num_examples: 100 - name: hu num_examples: 100 - name: id num_examples: 100 - name: it num_examples: 100 - name: he num_examples: 100 - name: ja num_examples: 100 - name: ko num_examples: 100 - name: mi num_examples: 100 - name: nl num_examples: 100 - name: 'no' num_examples: 100 - name: pl num_examples: 100 - name: pt num_examples: 100 - name: quz num_examples: 100 - name: ro num_examples: 100 - name: ru num_examples: 100 - name: sv num_examples: 100 - name: sw num_examples: 100 - name: te num_examples: 100 - name: th num_examples: 100 - name: tr num_examples: 100 - name: uk num_examples: 100 - name: vi num_examples: 100 - name: zh num_examples: 100 configs: - config_name: default data_files: - split: ar path: data/ar-* - split: bn path: data/bn-* - split: cs path: data/cs-* - split: da path: data/da-* - split: de path: data/de-* - split: el path: data/el-* - split: en path: data/en-* - split: es path: data/es-* - split: fa path: data/fa-* - split: fi path: data/fi-* - split: fil path: data/fil-* - split: fr path: data/fr-* - split: hi path: data/hi-* - split: hr path: data/hr-* - split: hu path: data/hu-* - split: id path: data/id-* - split: it path: data/it-* - split: he path: data/he-* - split: ja path: data/ja-* - split: ko path: data/ko-* - split: mi path: data/mi-* - split: nl path: data/nl-* - split: 'no' path: data/no-* - split: pl path: data/pl-* - split: pt path: data/pt-* - split: quz path: data/quz-* - split: ro path: data/ro-* - split: ru path: data/ru-* - split: sv path: data/sv-* - split: sw path: data/sw-* - split: te path: data/te-* - split: th path: data/th-* - split: tr path: data/tr-* - split: uk path: data/uk-* - split: vi path: data/vi-* - split: zh path: data/zh-* --- # XM100 ### This is a copy from https://google.github.io/crossmodal-3600/ If you use this dataset, please cite the original authors: ```bibtex @inproceedings{ThapliyalCrossmodal2022, author = {Ashish Thapliyal and Jordi Pont-Tuset and Xi Chen and Radu Soricut}, title = {{Crossmodal-3600: A Massively Multilingual Multimodal Evaluation Dataset}}, booktitle = {EMNLP}, year = {2022} } ```## 数据集基本信息 ### 支持语言： 阿拉伯语（ar）、孟加拉语（bn）、捷克语（cs）、丹麦语（da）、德语（de）、希腊语（el）、英语（en）、西班牙语（es）、波斯语（fa）、芬兰语（fi）、他加禄语（fil）、法语（fr）、印地语（hi）、克罗地亚语（hr）、匈牙利语（hu）、印度尼西亚语（id）、意大利语（it）、希伯来语（he）、日语（ja）、韩语（ko）、毛利语（mi）、荷兰语（nl）、挪威语（no）、波兰语（pl）、葡萄牙语（pt）、克丘亚语（quz）、罗马尼亚语（ro）、俄语（ru）、瑞典语（sv）、斯瓦希里语（sw）、泰卢固语（te）、泰语（th）、土耳其语（tr）、乌克兰语（uk）、越南语（vi）、中文（zh） ### 许可协议：cc-by-4.0 ### 样本规模分类：1K<n<10K（即1000 < 样本数量 < 10000） ### 任务类别：图像到文本（image-to-text） ### 展示名称：xm100 ## 数据集详情 ### 数据集特征项： 1. `image_id`：图像唯一标识，字符串类型 2. `image_locale`：图像对应语言标识，字符串类型 3. `caption`：图像文本描述，字符串类型 4. `image`：原始图像数据，图像类型 ### 数据划分： 共包含37个语言专属划分集，每个划分集均包含100条样本，具体划分如下： ar（阿拉伯语）、bn（孟加拉语）、cs（捷克语）、da（丹麦语）、de（德语）、el（希腊语）、en（英语）、es（西班牙语）、fa（波斯语）、fi（芬兰语）、fil（他加禄语）、fr（法语）、hi（印地语）、hr（克罗地亚语）、hu（匈牙利语）、id（印度尼西亚语）、it（意大利语）、he（希伯来语）、ja（日语）、ko（韩语）、mi（毛利语）、nl（荷兰语）、no（挪威语）、pl（波兰语）、pt（葡萄牙语）、quz（克丘亚语）、ro（罗马尼亚语）、ru（俄语）、sv（瑞典语）、sw（斯瓦希里语）、te（泰卢固语）、th（泰语）、tr（土耳其语）、uk（乌克兰语）、vi（越南语）、zh（中文） ### 配置信息： 默认配置（default）下的数据文件与各语言划分集一一对应，数据文件路径格式为`data/[语言代码]-*`，例如ar划分集对应`data/ar-*`，其余语言划分集路径依次类推。 --- # XM100 本数据集复刻自 https://google.github.io/crossmodal-3600/ 若您使用本数据集，请引用原作者的研究： bibtex @inproceedings{ThapliyalCrossmodal2022, author = {Ashish Thapliyal and Jordi Pont-Tuset and Xi Chen and Radu Soricut}, title = {{Crossmodal-3600: A Massively Multilingual Multimodal Evaluation Dataset}}, booktitle = {EMNLP}, year = {2022} }