360人工智能研究院 发布 CCMB 数据集, 应用在 跨模态学习、预训练模型 领域

360人工智能研究院 本次发布的数据集 CCMB, CCMB是一个大规模的中文跨模态基准数据集，由360人工智能研究院创建。该数据集包含目前最大的公开预训练数据集Zero，以及五个由人工标注的下游任务数据集。Zero数据集包含2.5亿张图片和7.5亿条文本描述，通过用户点击率过滤方法从50亿条图像-文本数据中筛选得到，确保了数据的高质量和多样性。CCMB数据集主要用于视觉-语言预训练研究，旨在解决图像与文本之间的语义对齐问题，适用于图像-文本检索、匹配、生成等多种下游任务。

查看CCMB

README 内容： 

关于 360人工智能研究院 , 360人工智能研究院是奇虎360公司旗下的研究机构，专注于人工智能技术的研发和应用，致力于推动人工智能技术在网络安全、智能硬件等领域的创新和应用。

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。