发布 COSMOS Dataset 数据集, 应用在 图像识别、自然语言处理 领域

本次发布的数据集 COSMOS Dataset, 该数据集包含了从新闻网站、博客以及社交媒体帖子中收集的20万张图片和45万条文本描述，旨在检测脱离上下文的图片和文本配对。该数据集专注于真实照片，涵盖了从各类新闻文章和事实核查来源抓取的图片，确保了脱离上下文和未脱离上下文的图片分布均衡。数据集规模为20万张训练图片和1700张测试图片，其任务是进行脱离上下文图片的检测。

查看COSMOS Dataset

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。