최근 다중 모달 모델의 발전은 이미지 생성 및 추론과 같은 다양한 과제에서 뛰어난 성능을 보여주고 있다. 그러나 고해상도의 화재 분야 전용 애너테이션을 갖춘 공개 데이터셋이 부족하기 때문에 이러한 모델을 화재 분야에 적용하는 데는 여전히 도전 과제가 존재한다. 이 문제를 해결하기 위해 우리는 다양한 화재 유형, 환경 및 위험 수준을 포괄하는 22,500장의 고해상도 화재 관련 이미지와 2,500편의 실제 환경 영상으로 구성된 대규모 다중 모달 데이터셋인 DetectiumFire를 소개한다. 이 데이터셋은 전통적인 컴퓨터 비전 레이블(예: 경계 상자)과 장면을 상세히 설명하는 텍스트 프롬프트를 모두 포함하여, 합성 데이터 생성 및 화재 위험 추론과 같은 다양한 응용 가능성을 제공한다. DetectiumFire는 규모, 다양성, 데이터 품질 측면에서 기존 벤치마크보다 명확한 우위를 지니며, 중복을 크게 줄이고 실제 환경 시나리오의 포괄성을 향상시킨다. 우리는 객체 탐지, 기반 확산 이미지 생성, 비전-언어 추론 등 다양한 과제를 통해 DetectiumFire의 실용성을 검증하였다. 실험 결과는 이 데이터셋이 화재 관련 연구 발전 및 지능형 안전 시스템 개발을 지원할 잠재력을 지니고 있음을 시사한다. 본 연구는 AI 커뮤니티 내 화재 이해에 대한 보다 광범위한 탐색을 촉진하기 위해 DetectiumFire를 공개한다.