中国人民大学 发布 mmE5 数据集, 应用在 多模态数据、机器学习 领域

中国人民大学 本次发布的数据集 mmE5, mmE5数据集是由中国人民大学高灵人工智能学院和微软公司共同创建的高质量多模态多语言数据集。该数据集涵盖了分类、视觉问答和检索等多种任务，包含七种模态组合，支持93种语言，是通过深度思考过程在单次MLLM遍历中生成的。数据集采用LAION-400m开源图像语料库中的真实图像，并经过自我评估和优化以保证数据的高保真度。该数据集旨在解决多模态嵌入模型训练中的数据稀缺问题，提升模型在多种场景下的泛化能力。

查看mmE5

README 内容： 

关于 中国人民大学 , 中国人民大学是一所以人文社会科学为主，兼有部分理工学科的综合性研究型大学，是中国最早的一所新型正规大学，也是国内最早开展研究生教育的高校之一。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。