© 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
华南理工大学
企业华南理工大学成立于2023年，位于广东省。经营范围包括培养高等学历理工人才，促进科技文化发展。工学类、理学类、管理学类、经济学类、法学类、文学类、哲学类学科高等专科、本科、研究生班和硕士研究生学历教育工学类、理学类、管理学类、经济学类、法学类学科博士研究生学历教育博士后培养相关科学研究、技术开发、继续教育、专业培训、学术交流与科技咨询。
正常
数据集列表
MVISU-Bench
MVISU-Bench是一个面向真实世界任务的双语基准数据集，包含了跨越137个移动应用程序的404个任务，涵盖了多应用、模糊、交互式、单应用和不道德指令五个类别。数据集的构建基于用户问卷调查，并通过专家设计的提示和LLM生成指令，经过多轮过滤和人工验证，确保了数据集的多样性和可靠性。MVISU-Bench旨在评估和提升视觉语言模型（VLM）在移动智能体领域的性能，并解决现有数据集在真实世界场景中应用的局限性。
arXiv2025-08-15 更新170
PDCs数据集
PDCs数据集是由华南理工大学等机构构建的，用于探索肽-药物偶联物（PDCs）的结构-活性关系和活性预测的基准数据集。该数据集包含834个抗癌PDCs的结构和活性标签，涵盖了广泛的结构多样性和化学空间。数据集的构建过程严谨，每个条目包含三个关键组成部分：肽序列、连接剂SMILES和载荷SMILES。该数据集旨在解决PDCs设计的复杂性和缺乏系统性预测工具的问题，为开发新的PDCs药物提供了重要的数据基础。
arXiv2025-06-15 更新100
Explainable Tampered Text Detection (ETTD)
ETTD数据集是由华南理工大学和蚂蚁集团联合创建的，旨在支持可解释的篡改文本检测任务。该数据集包含21000张图像，其中包括11000张经过篡改的文本图像和10000张真实文本图像，涵盖多语言卡片、文档和场景文本等多种场景。数据集通过多种篡改方法（如复制移动、拼接和生成文本编辑）生成，并使用Poisson Blending技术减少视觉不一致性。数据集的创建过程包括从互联网和现有数据集中收集图像，进行文本篡改，并使用GPT4o生成异常描述。ETTD数据集主要应用于信息安全领域，旨在解决文本图像篡改检测中的黑箱问题，提供可靠的预测和解释。
arXiv2024-12-19 更新3911
HDR28K
HDR28K是由华南理工大学创建的大规模历史文档修复数据集，包含28,552对损坏与修复的图像对，具有字符级标注和多风格退化。数据集通过精心设计的退化过程模拟了历史文档中的字符缺失、纸张损坏和墨水侵蚀，旨在真实再现历史文档的损坏情况。数据集的创建过程包括从高分辨率图像中裁剪512×512的图像块，并应用三种退化方法。HDR28K主要应用于历史文档修复任务，旨在通过预测损坏文档的原始外观，解决历史文档修复中的复杂问题，推动文化遗产的保护与传承。
arXiv2024-12-16 更新2990
DAT Benchmark
DAT Benchmark是由华南理工大学创建的一个用于开放世界无人机主动跟踪的跨场景基准数据集。该数据集包含24个视觉复杂的场景，涵盖了城市街道、乡村、市中心、湖泊、农田和沙漠等多种环境，以及白天、夜晚、雾天和雪天四种天气条件。数据集的创建过程模拟了真实世界的多样性和复杂性，通过高保真建模和多样化传感器数据，提供了全面的跟踪场景支持。DAT Benchmark主要应用于无人机目标跟踪和安全监控领域，旨在解决在动态环境中准确跟踪目标的挑战。
arXiv2024-12-01 更新4831
MCCD: A Multi-Attribute Chinese Calligraphy Character Dataset
MCCD数据集是一个多属性的中国书法字符数据集，包含7,765个类别的共计329,715个独立的书法字符图像样本。该数据集基于三种书法风格（10种）、15个主要历史朝代和142位著名书法家的属性标签，提取了三个额外的子集。MCCD数据集的丰富多属性注释使其适合于包括书法字符识别、作者识别和中国文字演变研究在内的各种研究任务。数据集创建过程包括数据收集、数据清洗和子集构建三个阶段，旨在提供高质量和代表性的样本。
arXiv2025-07-09 更新3931
entangled mixed-state datasets
该数据集是由华南理工大学的研究团队利用监督量子机器学习和可集中纠缠度量方法生成的纠缠混合态数据集。数据集的构建旨在用于量子机器学习模型的基准测试，特别是用于纠缠-可分离分类任务。文章中提到使用三种不同的参数化量子电路生成了具有所需分布的纠缠混合态，但未具体说明数据集的大小、数据量等信息。
arXiv2025-03-09 更新320
PsyDTCorpus
PsyDTCorpus是由华南理工大学团队创建的一个高质量多轮心理健康对话数据集，旨在模拟特定心理咨询师的个性化咨询风格。该数据集包含5000条单轮长文本对话，通过GPT-4进行动态一次性学习，模拟了客户的五大人格特质，并合成了多轮对话。数据集的创建过程结合了真实世界的心理咨询案例，确保了对话的复杂性和多样性。PsyDTCorpus主要应用于心理咨询领域，旨在通过个性化的心理咨询风格提升心理健康LLM的性能，解决现有模型在个性化需求上的不足。
arXiv2024-12-18 更新15430
SCUTic dataset
SCUTic数据集是由华南理工大学创建的一个大规模自由相机轨迹数据集，旨在解决大规模场景中自由相机轨迹的精确渲染问题。该数据集包含多个复杂场景和丰富的纹理细节，数据量比现有数据集大2到3倍，增加了新视角合成的难度。数据集的创建过程包括根据相机姿态进行自适应空间划分，并使用多视图约束和位置感知点自适应控制来提高渲染质量。该数据集主要应用于3D渲染领域，特别是用于优化大规模场景中的相机轨迹渲染，减少GPU内存消耗并提高渲染精度。
arXiv2024-12-13 更新720
GenderAlign
GenderAlign是由华南理工大学和帕洲实验室共同开发的数据集，专注于减少大型语言模型中的性别偏见。该数据集包含8000条单轮对话，每条对话配有一条‘选定’和一条‘拒绝’的响应，旨在通过对比展示无偏见和有偏见的对话模式。创建过程中，研究人员首先从现有数据集和书籍中收集显示性别偏见或描述性别差异的文本作为种子文本，然后使用GPT-3.5自动生成对话。GenderAlign的应用领域主要集中在改善语言模型的性别偏见问题，通过提供高质量的无偏见对话样本，帮助模型更好地理解和生成公正的文本内容。
arXiv2024-06-20 更新4600