图像标注

CapsFusion数据集图像描述数据集图文匹配视觉理解图像标注多语言描述

CapsFusion数据集是1.2亿高质量图像描述对数据集，采用先进融合技术生成精准描述文本。本图像描述数据集支持中英文双语，描述准确率达95%，为图文匹配和视觉理解任务提供优质数据资源。CapsFusion数据集涵盖50+图像类别，适合图像标注、图像描述生成、图文检索等应用，是视觉语言模型训练的理想选择。