理解物体表征需要对视觉世界中的物体进行广泛而全面的采样，并结合密集的脑活动与行为测量数据。在此，我们介绍了 THINGS-data——一项面向人类的大规模多模态神经影像与行为数据集，包含密集采样的功能性磁共振成像（fMRI）和脑磁图（MEG）记录，以及针对数千张照片图像所生成的470万条相似性判断数据，涵盖多达1,854个物体概念。THINGS-data在物体标注的丰富性与广度方面独具特色，使得大规模验证各类科学假设成为可能，同时可对以往研究结果的可重复性进行系统评估。除了各独立数据集所蕴含的独特洞见之外，THINGS-data的多模态特性使其能够实现数据融合，从而为物体加工机制提供比以往更为全面的视角。我们的分析验证了数据集的高质量，并展示了五个基于假设驱动与数据驱动的研究范例。THINGS-data构成了THINGS计划（https://things-initiative.org）的核心公开发布成果，旨在弥合学科间鸿沟，推动认知神经科学的发展。