FaceCaption-15M_train.csv

kaggle2024-07-17 更新2025-01-04 收录

图像描述生成

多模态AI

数据链接：

https://www.kaggle.com/datasets/kirauser/facecaption-15m-train-csv 数据链接链接失效反馈

官方服务：

资源简介：

An Image dataset for training an ai model.

用于训练人工智能模型的图像数据集。

创建时间：

2024-07-17

VL-RewardBench

视觉语言模型

多模态AI

VL-RewardBench是由香港大学、华南理工大学、上海交通大学、北京大学、华盛顿大学和艾伦人工智能研究院联合创建的一个综合视觉语言生成奖励模型基准数据集。该数据集包含1250个高质量样本，涵盖了多模态查询、视觉幻觉检测和复杂推理任务。数据集的创建过程结合了AI辅助的样本选择和人工验证，旨在全面评估和挑战现有的视觉语言模型。VL-RewardBench主要应用于多模态AI系统的对齐和评估，旨在

arXiv2024-11-26 更新2760

terminusresearch/photo-architecture

建筑图像

图像描述生成

Photo Architecture数据集主要包含建筑和独特建筑风格的图像，这些图像是从Pexels在2023年获取的。尽管某些建筑可能受版权保护，但用于训练通常被认为是合理使用。数据集中的图像文件名可以用作标题，或者使用parquet表中的相同值。此外，标题是由CogVLM创建的。

Hugging Face2024-06-29 更新480

physics_big

物理问答

多模态AI

# The First Multimodal Chain of Thoughts Dataset for Physics Problems ### Dataset Overview This dataset consists of a diverse collection of physics problems, categorized into different domains: - *

魔搭社区2025-12-05 更新140

OpenUni Training Dataset

多模态AI

机器学习

OpenUni 数据集是一个开放源代码的多模态理解和生成框架，由南洋理工大学 S-Lab, 商汤科技 SenseTime Research, 商汤科技和 Tetras.AI 的研究人员共同创建。该数据集包含约 2300 万个图像-文本对，用于训练和微调 OpenUni 模型，使其能够在图像生成和理解任务上取得优异的性能。数据集的创建过程采用了两阶段训练策略，首先在预训练阶段将大型语言模型和多模态模

arXiv2025-05-30 更新600

JourneyBench/JourneyBench_Captioning

图像描述生成

文本生成

JourneyBench是一个用于文本生成和图像到文本任务的英语数据集，数据规模在1K到10K之间。

Hugging Face2024-06-13 更新160