WikiCaps

WikiCaps 是用于多模态机器翻译和检索的大规模多语言但非并行数据集。图片标题数据是从 Wikimedia Commons 中提取的，因此是网络中大量可用的非描述性图片标题对集合的代表。当前版本的数据集包含 3,816,940 张图像和 3,825,132 个英文字幕，以及另外 1,000 个德语、法语和俄语的图像-字幕对以及它们的英语对应物。WikiCaps is a large-scale multilingual yet non-parallel dataset designed for multimodal machine translation and retrieval. Its image-caption data is extracted from Wikimedia Commons, thereby serving as a representative of the vast collection of non-descriptive image-caption pairs accessible across the web. The current release of the dataset encompasses 3,816,940 images and 3,825,132 English captions, in addition to 1,000 image-caption pairs in German, French, and Russian, alongside their corresponding English counterparts.

搜集汇总

背景与挑战

背景概述

WikiCaps是一个用于多模态机器翻译和检索的大规模多语言非并行数据集，数据源自Wikimedia Commons的图片标题对。该数据集包含约381万张图像和382万个英文字幕，以及少量德语、法语和俄语的图像-字幕对及其英文对应物，由海德堡大学于2018年发布。