通用多模态数据集-跨模态检索 (datasets)

数据集简介

主要数据内容包括： 图像、文本、视频、音频等多模态数据 Image-Text Pair 图文配对数据 视频字幕、语音转文本等跨模态数据 CLIP、LLaVA、BLIP 等 VLM 训练数据 多语言、多任务多模态语料数据 结构化 JSON / Parquet 数据集资源 视觉问答（VQA）与 Caption 数据 多模态 Benchmark 与评测数据 支持的能力方向包括： Vision-Language Model（VLM）训练 跨模态检索（Cross-Modal Retrieval） CLIP 与多模态 Embedding 学习 视觉问答（VQA）与 Caption 生成 多模态 RAG 与 Agent 系统训练 视频理解与 Audio-Text 学习 多模态大模型（MLLM）训练 适用于： 多模态大模型研发 CLIP / VLM 模型训练 图文检索与视觉搜索系统 多模态知识库构建 AIGC 与视觉生成任务 多模态 Benchmark 测试 Embedding 与向量检索系统开发

数据质量