上海人工智能实验室、哈尔滨工业大学、南京大学、复旦大学、香港中文大学、商汤科技研究院和清华大学的研究团队推出大规模多模态数据集OmniCorpus，它包含了十亿级别的图像和文本数据，这些数据以自然文档的格式排列，模仿了互联网数据的呈现方式，也符合人类的阅读习惯。这个数据集的建立旨在推动多模态大型语言模型（MLLMs）的... 阅读全文

加州大学伯克利分校、Meta AI和德累斯顿工业大学的研究人员推出一个关于创建一个结合触觉、视觉和语言的多模态数据集，用于训练和评估能够理解和生成触觉感受描述的模型。这个数据集名为Touch-Vision-Language (TVL)，它包含了44,000对视觉-触觉观察数据，其中10%由人类标注，90%由GPT-4V... 阅读全文