多模态牧歌数据集

MUGE（牧歌，Multimodal Understanding and Generation Evaluation）是业界首个大规模中文多模态评测基准，由达摩院联合浙江大学、阿里云天池平台联合发布，中国计算机学会计算机视觉专委会（CCF-CV专委）协助推出。

MUGE (officially nicknamed "Muge", short for Multimodal Understanding and Generation Evaluation) is the industry's first large-scale Chinese multimodal evaluation benchmark. It was co-launched by DAMO Academy, Zhejiang University and Alibaba Cloud Tianchi Platform, with assistance from the Computer Vision Special Committee of China Computer Federation (CCF-CV Special Committee).

搜集汇总

背景与挑战

背景概述

MUGE（多模态牧歌数据集）是业界首个大规模中文多模态评估基准，由达摩院、浙江大学和阿里云天池平台联合发布，涵盖图像描述、跨模态检索和文本生成图像等任务，旨在推动多模态表示学习研究。数据集支持图像描述和跨模态检索任务，数据格式包含图像ID、标签和图像等信息，并预设了训练/验证分割，适用于多模态预训练模型的评估与开发。