清华大学 发布 CoSpace 数据集, 应用在 视觉语言处理、空间信息理解 领域

清华大学 本次发布的数据集 CoSpace, CoSpace是由清华大学团队创建的多图像视觉理解基准数据集，旨在评估视觉语言模型在连续空间感知方面的能力。该数据集包含2918张图像和1626个问答对，涵盖了七种类型的任务。数据集通过提供从静态视点拍摄的一系列空间连续的图像来模拟人类对环境的感知，图像之间存在空间重叠，以便模型可以更好地理解图像之间的关联。CoSpace的应用领域主要集中在视觉语言模型的空间理解能力评估，目的是解决模型在处理真实世界场景时遇到的空间信息整合问题。

查看CoSpace

关于 清华大学 , 清华大学是中国的顶尖学府之一，位于北京，以其在工程、计算机科学、人工智能等多个领域的卓越教育和研究闻名。

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。