DetectiumFire 是由杜兰大学联合 Aalto University 于 2025 年发布的一个面向火焰检测、视觉推理与多模态生成任务的数据集，相关论文成果为「DetectiumFire: A Comprehensive Multi-modal Dataset Bridging Vision and Language for Fire Understanding」，已经被纳入 NeurIPS 2025 Datasets and Benchmarks Track，旨在为计算机视觉与视觉 – 语言模型提供统一的火焰场景训练与评测资源。

该数据集包含超过 14.5 万张高质量真实火灾图像和 2.5 万个火灾相关视频。除了真实数据外，它还包括 8000 张使用基于扩散模型生成的合成火灾图像，以及在 RLHF 过程中精心挑选的 12000 个偏好对，以增强模型对齐。涵盖真实与合成的火焰及非火焰图像与视频，并附带火焰程度、环境信息、文本描述及人类偏好标注。整体由四部分构成：真实图像、真实视频、扩散模型生成的合成火焰图像，以及基于成对比较的人类偏好数据。其中，合成图像提供 YOLO 格式的检测标注，而偏好数据用于记录生成质量的人工判断依据。

数据集构成：

• 真实图像（real_images）
  • fire：真实火焰图像及 YOLO 格式标注
  • non_fire：无火焰但易混淆的困难负例（如强光、烟雾、日落）
• 真实视频（real_video）
  • fire：包含可见火焰的真实视频片段
  • non_fire：无火焰场景，用于鲁棒性评测
• 合成图像（synthetic_images）
  • stable_diff_v15/train：SFT 微调生成图像 + YOLO 注释
  • dpo_stable_diff_v15/train：DPO 微调生成图像 + YOLO 注释
• 偏好数据（preference_dataset）
  • preference.json：成对生成图像的人类偏好比较与解释，用于 RLHF/DPO 训练