现存农业数据集缺乏枸杞虫害数据，且多为单一模态，所以构建一个可供跨模态识别研究的枸杞虫害数据集对于实现枸杞虫害识别防治具有重要意义。为此我们构建了枸杞虫害图文跨模态检索数据集，覆盖了枸杞虫害的图像采集、文本撰写、数据增强、分类、图文对应等多方面内容。本数据集目前共包含17类常见枸杞病虫害图像与文本描述数据。

国家农业科学数据中心2021-10-18 更新3020

SoundingEarth

音频处理

跨模态检索

该数据集名为SoundingEarth，包含了来自单一来源Aporee:Radio的音频样本，这使得相比于GeoSound数据集，该数据集中的声音类型变异性较小。由于所有样本均来自同一来源，因此在使用元数据与不使用元数据训练的模型之间的性能差异较小。该任务的目的是进行音频与卫星图像之间的跨模态检索。

arXiv450

VLM2Vec/GAE-GUIAct

跨模态检索

图匹配

--- dataset_info: - config_name: corpus features: - name: cand_text dtype: string - name: cand_image_path dtype: string - name: cand_id dtype: string splits: - name: q2t nu

Hugging Face2026-02-11 更新60

iejMac/CLIP-Kinetics700

动作识别

多模态学习

CLIP-Kinetics700是使用OpenAI的CLIP模型对Kinetics700数据集进行压缩的版本。原始数据集约为700 GB，难以在单台机器上使用和存储。通过将每个视频降采样到1 FPS并使用CLIP编码帧，数据集被压缩到约8 GB，使其非常内存友好且易于使用。数据集被格式化为WebDataset，以提高数据加载性能。每个分割包含一系列tar文件，每个文件包含10000个数据样本。数据

Hugging Face2022-07-11 更新570

iejMac/CLIP-WebVid

version https://git-lfs.github.com/spec/v1 oid sha256:3e0e15fa0c5cc81675bd69af8eb469d128a725c1a7bfc71f03b7877b7b650567 size 21

Hugging Face2022-10-04 更新90