摘要：面向多语言视觉理解、图像描述生成和地理空间视觉语言学习的多模态数据集，重点解决低资源印度语言在高质量图文数据方面的不足。
数据集概述
面向多语言视觉理解、图像描述生成和地理空间视觉语言学习的多模态数据集，重点解决低资源印度语言在高质量图文数据方面的不足。数据集以航空或遥感自然场景图像为核心，覆盖田野（Field）、森林（Forest）、农业用地（Agricultural Land）和水体（Waterbodies）四类典型自然环境，并为每张图像配置结构化标准标注以及多语言文本描述。数据尤其关注印地语、马拉地语和孔卡尼语，能够支持具有地域、文化和语言多样性的视觉语言模型研究。
数据结构与关键特征
该数据集采用“自然场景图像 + 标准真值 + 多语言描述 + 空间标注”的多模态结构。每张图像生成 3 条文本描述，随后翻译为印地语、马拉地语和孔卡尼语，并以天城文保存于 captions_translated_indic.csv 中。结构化标准信息分别存储在 canonical_ground_truth_natural.jsonl 和 canonical_ground_truth_waterbodies.jsonl 文件中，用于提供自然场景与水体样本的统一参考信息；对于水体类别，还额外提供 Waterbodies-labels 目录中的 YOLO 格式 .txt 标注，便于开展目标检测与空间定位任务。文本生成涉及 Gemma-27B-IT、Llama 8B Instant 和 Qwen3-VL-4B 等模型，多语言翻译则采用 IndicTrans2，从而形成较完整的图像、语义、语言和地理空间联合数据体系。
应用价值与研究方向
NAYAN 数据集在视觉语言模型、多语言人工智能、遥感分析和低资源语言计算领域具有较高研究价值，可用于多语言图像描述、图文语义匹配、视觉问答、跨语言图像检索、自然场景分类以及地理空间推理等任务。研究人员可以使用 CLIP、BLIP、LLaVA、Qwen-VL 等视觉语言模型研究英语与印度低资源语言之间的跨语言视觉表示，也可以结合 YOLO、Vision Transformer 和遥感模型开展水体识别、土地覆盖分析及自然环境理解。进一步可研究跨语言视觉语义对齐、低资源语言迁移学习、多语言遥感描述生成、地理空间信息融合以及面向南亚地区的包容性多模态AI系统，为区域环境监测和多语言智能应用提供数据支持。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-450
文件大小：149M
原创声明：本数据集为整理作品
