为了研究IRP，我们首先建立了一个名为动态场景-IRP (ds-irp) 的数据集。Ds-irp的收集主要包括两个阶段。在第一阶段，我们在各种相机设置下收集了2,500个动态场景和每个场景中的11个图像。由于在动态场景中，通过在现实中拍摄来获取地面真实图像是不切实际的，而这在阶段2中是必需的，因此我们选择在动态成像形成后模拟图像，最终总共有27,500个图像。在第二阶段中，我们对从阶段1收集的每个

OpenDataLab2026-07-12 更新310

O-HAZE

图像去雾

O-Haze 数据集包含 35 张模糊图像（大小为 2833×4657 像素）用于训练。它有 5 个模糊图像用于验证以及它们对应的地面实况图像。

OpenXLab130

ZS-F-VQA

机器学习

视觉问答

ZS-F-VQA 数据集是针对零样本问题的 F-VQA 数据集的新拆分。首先，我们获得 F-VQA 数据集的原始训练/测试分割，并将它们组合在一起，根据其出现频率过滤出答案出现在前 500 名的三元组。接下来，我们以 1:1 的比例将这组答案随机分成新的训练拆分（也称为可见）$\mathcal{A}_s$ 和测试拆分（又名未见过）$\mathcal{A}_u$。参考 F-VQA 标准数据集，

OpenDataLab2026-07-12 更新310

FeedbackQA

问答系统

自然语言处理

我们收集了一个基于检索的 QA 数据集，FeedbackQA，其中包含来自用户的交互式反馈。我们通过将基础 QA 系统部署给众包工作者来收集此数据集，然后众包工作者参与该系统并就其答案的质量提供反馈。反馈包含结构化评级和非结构化自然语言解释。检查底部的数据集浏览器以获取一些真实示例。

OpenDataLab2026-07-12 更新180