一张清单看懂知识图谱+多模态，快速入门不迷路
KG-MM-Survey 是一份关于知识图谱与多模态学习交叉领域的系统性综述列表。它整理了知识图谱如何与图像、文本等多模态数据结合的研究工作，覆盖跨模态检索、实体对齐、实体链接、图像分类、图像生成等方向。项目以 awesome-list 形式组织，收录了相关论文、数据集和工具，帮助研究者快速了解该领域的研究脉络、关键技术和最新进展。它解决了知识图谱与多模态学习融合中资料分散、入门门槛高的问题，核心能力在于提供结构化、可检索的文献索引，并持续更新。适合作为该交叉领域的入门导航和文献调研工具。
Awesome Knowledge Graph、Awesome Multimodal Learning、Awesome Cross-Modal Retrieval
KG-MM-Survey 是数据集领域的开源项目，由 zjukg 开发，2024 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 507。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-31。MIT 许可证，完全免费，无付费版本。
它主要面向的使用场景是：科研人员快速调研知识图谱与多模态交叉领域。同类可对比的替代方案包括 Awesome Knowledge Graph、Awesome Multimodal Learning、Awesome Cross-Modal Retrieva…。
下一篇：cleanvision
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
