韩国大学 发布 STKit 数据集, 应用在 计算机视觉、机器学习 领域

韩国大学 本次发布的数据集 STKit, STKit是一个旨在增强视觉语言模型（VLMs）在动态视频中进行时空推理能力的数据集，包含现实世界视频的3D注释，详细描述了对象的运动动力学，如旅行距离、速度、移动方向等。该数据集通过结合标注数据和伪标签数据，支持LLaVA-OneVision模型的微调，以生成具备时空推理能力的ST-VLM模型。

查看STKit

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。