武汉大学 发布 MMVM Benchmark 数据集, 应用在 多模态视觉匹配、视觉推理 领域

武汉大学 本次发布的数据集 MMVM Benchmark, MMVM Benchmark是由武汉大学、字节跳动Seed等机构共同构建的多模态视觉匹配基准数据集，旨在评估多模态大语言模型在视觉匹配任务中的表现。该数据集包含1510个手动标注的多图像问答对，数据来源于15个公开数据集和互联网视频平台，涵盖了室内、城市、荒野等多种场景。数据集通过自动标注管道生成，包含220K视觉匹配数据，并带有推理标注。MMVM Benchmark的应用领域主要集中在视觉匹配任务，旨在解决多模态大语言模型在视觉对应性理解上的不足，提升其在视觉推理和匹配任务中的表现。

查看MMVM Benchmark

README 内容： 

关于 武汉大学 , 武汉大学是中国湖北省武汉市的一所综合性全国重点大学，成立于1893年，前身为自强学堂。它是中国教育部直属的副部级全国重点大学，也是国家‘211工程’和‘985工程’重点建设的高校之一。武汉大学以其在人文社会科学、自然科学、工程技术、医学等领域的教学和研究而闻名。

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。