香港科技大学 发布 CoMM 数据集, 应用在 多模态数据集、文本与图像对齐 领域

香港科技大学 本次发布的数据集 CoMM, CoMM是由香港科技大学和快手科技合作开发的高质量多模态数据集，专注于提升图像与文本交错内容的连贯性和一致性。该数据集从WikiHow等网站收集原始数据，通过多角度过滤策略，利用预训练模型确保文本和图像的高质量与语义对齐。CoMM旨在解决现有数据集在叙述连贯性、实体和风格一致性方面的不足，适用于多模态理解和生成任务，如视觉故事讲述和教程步骤生成。

查看CoMM

README 内容： 

关于 香港科技大学 , 香港科技大学（HKUST）是一所位于中国香港的国际化研究型大学，以其在科学研究和创新教育领域的卓越表现而闻名。

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。