爱笔科技 发布 CapQA 数据集, 应用在 视觉推理、问答任务 领域

爱笔科技 本次发布的数据集 CapQA, CapQA数据集由爱笔科技和清华大学的研究团队创建，旨在支持复杂视觉推理和问答任务的研究。该数据集包含1000张细粒度活动图像，数据来源于Consented Activities of People (CAP)数据集，经过筛选和标注生成。数据集的创建过程包括从CAP数据集中选择20种活动，每种活动随机提取50个视频片段，并从每个片段中选择一个关键帧作为图像数据。随后，使用GPT-4v自动生成包括问题、答案、详细描述和总结性标题的标注信息。CapQA数据集的应用领域主要集中在视觉推理和问答任务中，旨在减少幻觉现象并提升模型对细粒度图像细节的描述能力。

查看CapQA

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。