上海交通大学 发布 Visual-Task Instruction Following Dataset (VTInstruct) 数据集, 应用在 计算机视觉、自然语言处理 领域

上海交通大学 本次发布的数据集 Visual-Task Instruction Following Dataset (VTInstruct), VTInstruct是一个大规模的多任务视觉数据集，由上海交通大学等机构创建。该数据集包含超过1亿个高质量的多模态对话样本，主要来源于公开可用的数据集，如LAION-5B、SA-1B、COCO、GRIT等。每个样本都增强了精心设计的提示模板，支持多模态输入（如图像、文本、点、框、 Scribbles和遮罩）以促进指令跟随，并为不同的下游任务生成多样化的输出（如文本、框、关键点、深度和遮罩）。

查看Visual-Task Instruction Following Dataset (VTInstruct)

关于 上海交通大学 , 上海交通大学是中国历史最悠久、规模最大、学科门类最齐全的高等学府之一，位于中国上海。该校是中国教育部直属的重点大学，也是中国‘985工程’和‘211工程’的重点建设高校之一，具有较高的学术声誉和国际影响力。

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。