MMID是一个大规模，大规模多语种的图像数据集，与它们所代表的单词在宾夕法尼亚大学收集。数据集是双重平行的：对于每种语言 ...
视觉问题解答数据集包含100，000个图像和999，968个问题。100，000 张图片，file_type：JSON，任务：问题解答，视觉
Khan