Der SentiCap-Datensatz enthält Bilder mit positiven und negativen Stimmungsbeschreibungen. Diese emotionalen Beschreibungen wurden von den Autoren durch Umschreiben der sachlichen Beschreibungen erstellt. Insgesamt gibt es mehr als 2.000 Stimmungsbeschreibungen.

Die Bilder im SentiCap-Datensatz stammen hauptsächlich aus dem MS COCO-Datensatz. Geben Sie den Bildern Anmerkungen, die auf der Polarität der Emotionen basieren, und formulieren Sie für jedes Bild „positive“ und „negative“ Bildbeschreibungen. Der Datensatz enthält 1.027 positive ANPs (Adjektiv-Nomen-Paare) und 436 negative ANPs. Der Datensatz enthält letztlich insgesamt 3.171 Bilder, denen jeweils mindestens 3 positive und 3 negative Beschreibungen entsprechen.