文物图文对

国内文物30万对，国外文物20万对，图片分辨率≥1024，描述为json格式

5,032 条数据更新时间 2026-05-11

数据集简介

本数据集共50万对图文，其中国内文物30万对、国外文物20万对。图片短边分辨率不低于1024像素，长宽比介于0.5至2之间，格式为JPG。文物描述采用JSON结构化存储，国内文物描述语言为中文，国外文物为中英双语。涵盖铜器、瓷器、书法、绘画、建筑、珠宝等数十个文物门类，可用于图文检索、文物知识图谱构建及多模态模型预训练。

数据质量

记录完整性

94.82%

记录时效性

按需更新

记录结构化

NDJSON、JSON、CSV、XLSX、Parquet，支持定制化

记录云交付

Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive

记录标准化

为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。

记录代表性

数据覆盖全量业务场景，样本均衡，具备行业代表性

需要定制更适合业务场景的数据集？

我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。