公共资源速递
本周的公共资源速递同样为您带来了几份值得关注的优质数据集与实用教程。
首先来看数据集方面：
- ViMU 视频隐喻理解数据集
- Rice Leaf Diseases 水稻叶片病害检测数据集
- MRI Brain Neurodegenerative Diseases 脑部神经退行性疾病数据集
教程部分也有三个亮点：
- Anima V1：动漫风格图像生成
- HY-World-2.0：3D 世界模型
- Hy-MT2-1.8B：支持术语约束的多语言翻译
公共数据集
1. ViMU 视频隐喻理解数据集
ViMU 是新加坡国立大学于 2026 年发布的一项视频隐喻理解基准数据集。它的核心目标十分明确——评估多模态大模型对视频中隐喻表达的深层语义理解能力。简单来说，就是检验这些模型是否能够像人类一样，准确解读视频里那些“话里有话”的隐喻含义。
2. Rice Leaf Diseases 水稻叶片病害检测数据集
该数据集是一个典型的精准农业目标检测任务集，包含 8,665 张水稻叶片图像，覆盖了 9 个类别——除了健康叶片，还包括细菌性叶枯病、褐斑病、稻纵卷叶虫危害、稻瘟病、叶焦病、叶黑粉病、窄褐斑病和穗颈瘟等 8 种常见病害。从 YOLO 系列模型训练到农业病害检测、边缘端视觉部署，再到智能水稻种植管理，这个数据集的应用场景非常广泛。
3. MRI Brain Neurodegenerative Diseases 脑部神经退行性疾病数据集
这是一个面向脑部神经退行性疾病研究及医学影像分析的 MRI 数据集，包含 2,846 张分辨率为 512 × 512 的脑部 MRI 图像，按照 2 种成像权重和 4 个主要类别进行了系统组织。对于从事疾病分类、医学影像识别以及深度学习模型训练的研究人员来说，这是一份相当扎实的基础资源。
公共教程
1. Anima V1：动漫风格图像生成
Anima V1 是 CircleStone Labs 在 2026 年发布的动漫风格图像生成模型。它的创作场景非常明确：角色立绘、插画、概念图，以及二次元视觉创作。如果您正在寻找能够直接用于动漫风格创作的工具，这个模型值得重点关注。
2. HY-World-2.0：3D 世界模型
HY-World-2.0 是腾讯团队在 2026 年推出的多模态世界模型框架。它与传统世界模型（如 Genie 3、Cosmos）最大的不同在于——它不生成像素视频，而是直接生成真实的 3D 资产（网格/3DGS）。这意味着生成的内容可以编辑、可以持久化保存，还能直接导入 Blender、Unity、Unreal Engine 等主流游戏引擎。对于游戏开发和 3D 内容创作而言，这个方向的想象空间非常大。
3. Hy-MT2-1.8B：支持术语约束的多语言翻译
Hy-MT2-1.8B 同样是腾讯团队在 2026 年开源发布的模型，属于 Hy-MT2 系列中的轻量级版本。它最大的特色是通过自然语言指令来控制翻译目标、术语、风格、格式和上下文信息。除了普通的句子互译，它还覆盖了术语约束、风格控制、个性化偏好、分隔符保留、结构化数据翻译，以及结合背景信息的翻译任务。对于需要高质量、可控翻译的真实业务场景来说，这个模型非常实用。
