e-SNLI-VE 是一个带有自然语言解释（natural language explanations）的大规模视觉语言数据集，其中包含超过 43 万个实例，所有的解释都是基于图像内容的。该数据集是通过合并 e-SNLI 数据集的解释和 SNLI-VE 数据集的图像-句子对而建立的。
e-SNLI-VE 大规模视觉语言数据集
本站暂不支持该数据集下载，如需下载请访问上述「发布地址」进行下载（如可用）
相关数据集推荐
Spot-the-diff 图像描述数据集
Spot-the-diff 数据集由 13,192 个图像对，以及相应的人工提供的文字标注组成。标注阐述了两个图像之间的差异。
SentiCap 图像情感描述数据集
SentiCap 数据集包含带有积极和消极情绪描述的图片。这些情感描述是由作者通过重写事实描述而生成的。总共有 2,000 多条情感描述。 SentiCap 数据集中的图像主要取自于 MS COCO 数据集。从情感的极性出发为图像提供标注，为每幅图像形成 “正面 (positiv…
Image Paragraph Captioning 图像描述数据集
Image Paragraph Captioning 数据集可用于评估为图像生成的描述片段。该数据集包含来自 Visual Genome 数据集的 19,561 张图片。每张图片包含一个段落。训练/评价/测试集分别包含14,575、2,487、2,489 张图像。 每张图像还包含…
