Business English Multimodal Fluency Dataset

kaggle2025-12-24 更新2026-02-14 收录

商务英语

多模态学习

数据链接：

https://www.kaggle.com/datasets/colabsss/business-english-multimodal-fluency-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Spoken Fluency Records with Image , Audio and Text

包含图像、音频与文本的口语流利度记录数据集

创建时间：

2025-12-24

MMIS

多模态学习

设计分析

MMIS数据集由MSA大学创建，专注于多模态室内场景的视觉生成和识别。该数据集包含近160,000张图像，每张图像附有对应的文本描述和音频记录，涵盖多种室内风格和布局。数据集的创建过程包括图像收集、文本描述生成和语音注释，旨在支持图像生成、检索、标注和分类等多模态表示学习任务。MMIS数据集的应用领域广泛，特别是在室内设计图像的分析和生成方面，旨在通过多模态信息融合解决实际问题。

arXiv2024-07-08 更新2350

xywang1/MMC

多模态学习

自然语言处理

MMC数据集是一个用于多模态图表理解的大规模数据集，支持多种任务和图表类型。数据集包括三个主要配置：MMC-Instruction、MMC-Benchmark和MMC-Alignment。MMC-Instruction是一个大规模的多模态图表指令数据集，用于训练；MMC-Benchmark是一个全面的人工标注基准，用于测试和评估图表推理能力；MMC-Alignment用于训练图表与文本的对齐任务。

Hugging Face2024-07-10 更新1140

LanguageBind/MoE-LLaVA

视觉语言模型

多模态学习

--- license: apache-2.0 --- <a href="https://arxiv.org

Hugging Face2024-02-15 更新280

liuhaotian/LLaVA-CC3M-Pretrain-595K

人工智能

多模态学习

LLaVA Visual Instruct CC3M Pretrain 595K是CC-3M数据集的一个子集，经过过滤以提供更平衡的概念覆盖分布。该数据集用于视觉指令调优的预训练阶段，旨在构建具有GPT-4视觉/语言能力的大型多模态模型。数据集包含合成的多模态对话、元数据以及原始图像。

Hugging Face2023-07-06 更新1510

siglip-adaptive-size

多模态学习

零样本学习

# SigLIP (shape-optimized model) SigLIP model pre-trained on WebLi at resolution 384x384. It was introduced in the paper [Sigmoid Loss for Language Image Pre-Training](https://arxiv.org/abs/2303.15

魔搭社区2026-08-18 更新350

Business English Multimodal Fluency Dataset

资源简介：

相关数据集