image-making是什么意思

整理多模态情感数据集的资源，以供大家参考和使用。后续会持续更新，欢迎各位补充。

作者：数据探索者

地址：[个人主页链接]

一、双模态（通常是文本、图像和语音的两两组合）数据集：

1.《Multi-Modal Sarcasm Detection in with Hierarchical Fusion Model》

这篇论文建立的数据集包含文本和图像两个模态。具体来说，数据集包含描述文本和图像的属性描述，可以灵活调整用于各种实验。数据集链接为：[链接地址]。

2.《Making the V in VQA Matter: Elevating the Role of Image Understanding in Visual Question Answering》

这篇论文中的VQA数据集包含原始图片、问答文本等属性。我们可以使用word2vec、Glove或bert提取文本特征，使用Resnet提取图像特征。数据集下载链接为：[下载链接]。

3.《Towards Multimodal Sarcasm Detection (An Obviously Perfect Paper)》

该论文提供图像和文本双模态的讽刺视频数据集。每个标签对应的图像包含多个，对应的文本是一组对话。数据集链接为：[链接地址]。

4.《Microsoft COCO Captions Data Collection and Evaluation Server》

这篇论文介绍经典的MS COCO数据集，包含大量涉及图片和字幕的标注数据。我们可以利用这些数据集进行多模态匹配等任务。数据集链接为：[链接地址]。

二、三模态（通常是文本、图像加语音）数据集：

1.《Multimodal Language Analysis in the Wild: CMU-MOSEI Dataset and Interpretable Dynamic Fusion Graph》