© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
中国科学院自动化研究所
企业中国科学院自动化研究所属研究和试验发展，主营研究信息和自动化科学，促进科技发展、信息与通信工程研究控制科学与工程研究计算机科学与等。面向短视频传播、数据分析、情感识别等领域提供数据服务，开放XS-Video（短视频传播、数据分析）、EMER-Coarse（情感识别、人机交互）、WiderPerson（行人检测、计算机视觉），支撑品质管理与工艺优化。
短视频传播数据分析情感识别研发服务
数据集列表
用于分子结构推断的统一多光谱数据集
本数据集主要应用于分子结构智能解析与化学机理辅助研究场景，面向在合法合规前提下开展的科学研究与模型训练任务。数据来源于多个公开可获取的谱学数据集，经统一清洗、对齐与标准化处理后形成，仅用于非商业科研用途，使用过程中不涉及任何个人隐私或敏感信息。数据使用对象主要包括从事计算化学、材料科学、药物发现及人工智能辅助科学研究的科研机构、高校研究团队及相关技术人员。数据使用范围涵盖多种谱学信息（如红外、拉曼、紫外等）的联合建模与推理任务，支持基于多谱协同输入的分子结构自动推断、SMILES 表达生成及模型评测。通过该数据集，可有效支撑多模态推理模型在复杂谱学条件下对分子结构的联合理解与表达，缓解传统单谱解析对专家经验的高度依赖问题，提升分子结构解析的自动化水平与一致性，为谱学驱动的智能建模方法研究提供标准化训练与测试基础。
北京市数据知识产权2026-02-04 更新190
BFSM 数据集
BFSM 数据集是一个包含超过 200 个样本的数据集，包括正常病例和罕见的颅面条件。每个病例都包含一个基于 CT 的头骨、一个基于 CT 的面部和一个高保真的纹理面部扫描。该数据集是迄今为止同类数据集中最为全面的，旨在用于远程诊断、手术计划、医学教育和基于物理的面部模拟等应用。数据集创建过程中，我们与经验丰富的临床医生紧密合作，确保数据的解剖准确性。BFSM 数据集可用于远程医疗和手术计划等应用，展示了其在促进医患沟通和支持更明智的临床决策方面的潜力。
arXiv2025-09-29 更新1750
OpenS2S_ Datasets
OpenS2S数据集是一个完全开源的、透明且端到端的LSLM，旨在实现富有同情心的语音交互。该数据集基于BLSP-Emo模型，采用流式交织解码架构以实现低延迟语音生成。OpenS2S还包含一个自动化的数据构建管道，能够以低成本合成多样化的、高质量的同情心语音对话。通过利用大型语言模型生成同情心内容和可控的文本到语音系统引入说话者和情感变化，构建了一个具有丰富副语言多样性和最小人工监督的可扩展训练语料库。该数据集为研究社区提供了丰富的资源，包括数据集、模型权重、预训练和微调代码，以促进合作研究和推动同情心语音系统的创新。
arXiv2025-07-08 更新1080
动态停车数据集
本文提出了一种基于Transformer的端到端自动驾驶停车模型，旨在解决动态环境下的停车问题。模型通过多任务感知网络，联合感知停车位拓扑、车辆状态和行人意图。引入了目标点编码器，将不同类型的停车位几何形状映射到共享的低维潜在空间，支持垂直和平行停车场景的统一政策建模。为了评估该方法的有效性，在CARLA模拟平台上构建了一个动态停车数据集，并进行了广泛的实验来验证系统的性能。
arXiv2025-06-20 更新950
VLD
VLD数据集是由中国科学院自动化研究所的研究人员构建的，用于评估最后一公里无人机配送系统。该数据集基于CARLA模拟器，包含了300个配送任务，分布在22个不同的建筑物中。数据集涵盖了各种场景和任务，包括各种类型的建筑物和目标物体，如工具、容器、家居用品、食品、家具、海报、玩具和装饰品等。此外，数据集还考虑了任务的难度水平和目标楼层数，以确保其多样性。VLD数据集的构建旨在填补现有视觉-语言导航基准的空白，为研究者在最后一公里无人机配送系统领域的研究和评估提供支持。
arXiv2025-05-06 更新1200
Omni-RewardData
Omni-RewardData是一个包含多种模态偏好的大规模多模态偏好数据集，旨在训练能够处理所有模态的通用多模态奖励模型。数据集由248K个通用偏好对和69K个包含自由形式偏好描述的指令调整对组成，覆盖了文本、图像、视频、音频和3D等五个模态。该数据集的构建旨在解决现有奖励模型在模态不平衡和偏好刚性方面的挑战，从而提高模型的泛化能力，更好地适应不同的用户偏好。
arXiv2025-10-27 更新290
VisualTrans
VisualTrans是一个针对现实世界中人与物体交互场景的视觉转换推理（VTR）基准。它包含12种语义丰富的操作任务，并通过系统构建的问题-答案对评估三个核心推理维度——空间、程序和定量。该基准具有472个高质量的问题-答案对，包括选择题、开放式计数和目标枚举等多种格式。VisualTrans基于第一人称操作视频构建，并通过自动元数据注释和结构化问题生成，最终由人工验证确保其高质量和可解释性。该数据集旨在帮助智能系统理解和预测动态场景，并指导行动，为高级智能系统奠定基础。
arXiv2025-08-06 更新790
CVC
CVC数据集是一个大规模的中文价值规则语料库，旨在帮助大型语言模型（LLMs）与主流人类价值观和伦理规范保持一致。该数据集基于核心的中国价值观，包括三个主要维度、12个核心价值观和50个衍生价值。CVC数据集包含超过25万个价值规则，并通过人工标注进行增强和扩展。实验结果表明，CVC引导的场景在价值边界和内容多样性方面优于直接生成的场景。在六个敏感主题（如代孕、自杀）的评价中，七个主流LLMs在超过70.5%的情况下更喜欢CVC生成的选项，而五个中国人工标注者与CVC的吻合率达到87.5%，证实了其普遍性、文化相关性和与中国价值观的强一致性。此外，我们还构建了40万个基于规则的道德困境场景，客观地捕捉了17个LLMs在冲突价值优先级中的细微差别。我们的工作为全面的价值观评价和一致性的文化适应性基准测试框架奠定了基础，代表了中国的特色。所有数据均可在https://huggingface.co/datasets/Beijing-AISI/CVC获取，代码可在https://github.com/Beijing-AISI/CVC获取。
arXiv2025-06-26 更新2740
MMR-V
MMR-V数据集是由中国科学院自动化研究所等单位创建的多模态视频深度推理基准。该数据集包含317个视频和1257个任务，涵盖了动画、电影、哲学、电视、生活和艺术六大类别。数据集的特点是要求模型进行长距离多帧推理，不仅要感知问题帧，还要分析远离问题帧的证据帧。任务包括显式推理和隐式推理两种类型，旨在评估模型在视频理解、情感识别、因果推理、序列结构推理、反直觉推理、跨模态迁移推理和视频类型与意图推理等方面的能力。数据集的创建遵循多帧、深度推理和现实性三个原则，视频来源广泛，任务设计严谨，旨在推动多模态推理能力的研究。
arXiv2025-06-05 更新290
GUI-Net
GUI-Net数据集是由中国科学院自动化研究所构建的，包含143K个跨五个操作系统和200多个应用程序的GUI轨迹数据。该数据集通过从丰富的多模态网络教程中抓取和处理而得，旨在用于训练GUI智能体，提高其在不同应用程序和操作系统间的泛化能力。
arXiv2025-04-17 更新2860