滑铁卢大学 发布 SpaRE 数据集, 应用在 视觉-语言模型、空间推理 领域

滑铁卢大学 本次发布的数据集 SpaRE, SpaRE数据集是由滑铁卢大学Vector Institute的研究人员创建的，旨在增强视觉-语言模型的空间推理能力。数据集包含455,000个样本，包含3.4百万个问答对，由超详细图像描述生成。该数据集利用了DOCCI、PixMo-Cap和Localized Narratives等超详细图像描述数据集，通过LLM技术提取出与空间推理相关的问答对。数据集的创建过程涉及对超详细描述的过滤、提示构建、问答对生成以及质量保证等步骤。SpaRE数据集的应用领域包括机器人、自动驾驶、导航等领域，旨在解决视觉-语言模型在空间推理方面的不足，提高其在实际任务中的表现。

查看SpaRE

关于 滑铁卢大学 , 滑铁卢大学是一所世界知名的研究型大学，位于加拿大滑铁卢市，以其在数学、工程学和计算机科学等领域的卓越教育和研究而闻名。

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。