MMDialog est un ensemble de données de dialogue multimodal à domaine ouvert à grande échelle qui contient 1,08 million de sessions de dialogue complètes, plus de 4 000 sujets de dialogue et 1,53 million d'images non répétées. Chaque session de dialogue comporte en moyenne 2,59 images et peut être située à n’importe quel endroit du processus de dialogue.

Le contenu de conversation humaine riche et authentique de MMDialog est collecté à partir d'une plateforme sociale en ligne anglaise (Remarque : ce processus est entièrement conforme aux réglementations de la plateforme sur la collecte et le partage de données de recherche universitaire, et la confidentialité des utilisateurs a été anonymisée et les informations sur les données ont été cryptées).