MMDialog は、大規模なマルチモーダル オープン ドメインの対話データ セットであり、108 万の完全な対話セッション、4,000 を超える対話トピック、および 153 万の非重複画像が含まれています。各対話セッションには平均 2.59 の画像が含まれており、位置を特定できます。会話のどこにでも。

MMDialog の豊富で本物の人間の会話コンテンツは、英語のオンライン ソーシャル プラットフォームから収集されています (注: このプロセスは、学術研究データの収集と共有に関するプラットフォームの規制に完全に準拠しており、ユーザーのプライバシーと暗号化されたデータ情報は緩和されています)。