感觉一直在排队，还是等4.25号之后开始流程?有没有人告诉我是怎么了没hc我就直接申请广东区县了

半夜睡不着想了一个多模态任务，同时输入一段声音(非自然语言，比如鸟叫)和一张图片，将图片中的相应位置的鸟标注出来。现在有这种数据集吗，图片和声音是能够互相验证的吧。提这个问题是想到自动驾驶貌似都忽略了自然声音这一信息。评价标准就用声音传感器的数量和标注准确率来衡量。

以后想做机器学习，数据挖掘这方向的