瑞士洛桑联邦理工学院 发布 DRIVINGVQA 数据集, 应用在 自动驾驶、视觉推理 领域

瑞士洛桑联邦理工学院 本次发布的数据集 DRIVINGVQA, DRIVINGVQA是由瑞士洛桑联邦理工学院创建的一个视觉问答数据集，旨在评估和改进视觉语言模型在复杂现实场景中的视觉链式推理能力。该数据集包含3931个样本，每个样本包括一个或多个多项选择题、相关实体的边界框坐标以及与视觉内容对齐的解释。数据来源于驾驶理论考试，涵盖了广泛的驾驶场景。数据集的创建过程包括数据收集、相关实体的人工标注以及生成与视觉元素相关的解释。DRIVINGVQA的应用领域主要集中在自动驾驶和视觉推理任务中，旨在解决多对象识别、空间关系推理和决策制定等问题。

查看DRIVINGVQA

关于 瑞士洛桑联邦理工学院 , 瑞士洛桑联邦理工学院（École Polytechnique Fédérale de Lausanne，简称EPFL）是瑞士两所联邦理工学院之一，位于洛桑。EPFL是一所世界顶尖的理工科大学，专注于工程技术、自然科学和建筑学等领域。该校在科研和创新方面具有显著影响力，培养了众多科技领域的杰出人才。

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。