102,735 conjuntos de imagens de apresentações PPT com descrição e perguntas & respostas

Slide

VQA

Análise de Documentos

100,000 pares de dados de perguntas sobre imagens de slides PPT. Incluem imagens e anotações de perguntas e respostas. Os tipos de slide cobertos são: diagramas de arquitetura, gráficos numéricos, fluxogramas e ilustrações. Esse conjunto de dados pode ser usado em tarefas de inteligência documental.

Este é um conjunto de dado pagos destinando a uso comercial, fins de investigação e otras finalidades. Conjunto de dados licenciado e pronto ajuda a acelerar projetos d IA.

Características

Conteúdo dos Dados

102,735 conjuntos, cada conjunto contendo uma imagem PPT (RGB, com conteúdo claro), descrição da imagem e arquivos de anotação de perguntas e respostas

Distribuição dos Dados

O tipo de imagem PPT cobre diagramas de arquitetura, fluxogramas, gráficos numéricos e ilustrações

Conteúdo Anotado

A marcação do conteúdo da imagem do PPT é realizada em duas formas: descrição e perguntas e respostas

Formato de Arquivo

Formato de imagem: .jpg/png; marcações em formato markdown

Língua

A principal linguagem das imagens do PPT é o chinês e o inglês, e os documentos de anotação são feitos de acordo com a linguagem principal da imagem do PPT

Conjuntos de Dados Recomendados

100,000 conjuntos de descrições visuais e textuais de ícones

100,000 pares de descrições de ícones (3D e vetoriais), em 17 subcategorias. As descrições estão em chinês, com cerca de 30 caracteres cada. Indicadas para tarefas de reconhecimento gráfico e design de interface.

Ícones Legenda de Imagem

20,846 conjuntos de receitas com descrição textual e imagens

20,846 conjuntos de dados com descrições de receitas em imagem e texto. Cada conjunto inclui de 4 a 18 fotos, com uma descrição textual correspondente para cada imagem. As receitas abrangem diferentes cozinhas, como chinesa, ocidental, coreana e japonesa. As descrições estão em chinês e inglês. Em termos de comprimento, as descrições em chinês têm no mínimo 15 caracteres, e as em inglês, no mínimo 30 palavras. Esses dados são úteis para recomendações de receitas, educação culinária e outras aplicações relacionadas.

Livro de Receitas Legenda de Imagem AIGC

11,000 conjuntos de dados descritivos de imagens e vídeos de comportamento humano

11,000 conjuntos de dados com imagens e vídeos descrevendo comportamentos humanos, incluindo 10,000 imagens e 10,000 vídeos. As amostras foram coletadas em diferentes estações do ano e sob diversos ângulos de câmera, em ambientes internos e externos. As descrições, em inglês, abordam gênero, idade, vestimenta, ações e movimentos corporais das pessoas.

AIGC Dados de comportamento humano Dados de reconhecimento de comportamento Dados de reconhecimento de comportamento humano Dados de detecção humana

20,011 imagens de cenários naturais com dados de OCR e descrição

20,011 imagens de cenas naturais com descrições para OCR, cobrindo línguas asiáticas e europeias, totalizando 14 idiomas. Os cenários de coleta incluem letreiros de lojas, placas de estação, pôsteres, placas de trânsito, entre outros, capturados de vários ângulos. As descrições, em inglês, tratam do layout dos textos, conteúdo textual, cores e outras informações.

AIGC Legenda em inglês Legenda OCR Dados OCR multilíngues Dados OCR multilíngues Dados OCR Conjunto de dados OCR

10,000 imagens com descrições de gestos

10,000 imagens com descrições de gestos, com foco em adultos jovens. As imagens foram coletadas em diversos ambientes internos e externos, abrangendo diferentes estações e ângulos de captura. As descrições, em inglês, abordam movimentos das mãos, posturas dos gestos, ângulo da imagem, sexo e idade da pessoa, entre outras características das mãos.

AIGC Descrição de gestos Conjunto de dados de reconhecimento de gestos Conjunto de dados de imagens de gestos

10,100 imagens faciais com dados descritivos

10,100 imagens faciais com descrições, abrangendo múltiplas etnias e faixas etárias: menores de 18 anos, de 18 a 45, de 46 a 60 e acima de 60. As cenas de coleta são diversas, incluindo ambientes internos e externos. O conteúdo das imagens inclui uso de máscara, óculos, fones de ouvido, diferentes expressões faciais, posturas e amostras adversariais. As descrições, em inglês, focam em etnia, gênero, idade, ângulo da imagem, iluminação e outros aspectos variados.

Multimodal Dados de imagens faciais com múltiplas poses Conjunto de dados faciais

21,998 imagens com descrição de atributos de veículos

21,998 imagens com descrições de atributos de veículos, abrangendo diversos tipos como carros de passeio, SUVs, MPVs, caminhões e ônibus. As imagens foram capturadas por câmeras de vigilância em vias externas ao longo de diferentes períodos. As descrições, em inglês, abordam principalmente o tipo de veículo, cor, direção do veículo e o cenário ao redor.

Multimodalidade Dados de atributos de veículos Dados de segurança Dados de monitoramento inteligente Dados de tráfego inteligente Dados de cidade inteligente