Ensemble De Données De Langage Visuel À Grande Échelle E-snli-ve

e-SNLI-VE est un ensemble de données visuo-linguistiques à grande échelle avec des explications en langage naturel, contenant plus de 430 000 instances, toutes expliquées en fonction du contenu de l'image. Cet ensemble de données est construit en fusionnant les explications de l'ensemble de données e-SNLI et les paires image-phrase de l'ensemble de données SNLI-VE.