昆士兰大学 发布 Box-QAymo 数据集, 应用在 自动驾驶、视觉问答 领域

昆士兰大学 本次发布的数据集 Box-QAymo, Box-QAymo数据集是一个面向自动驾驶的视觉问答数据集，旨在评估和微调视觉语言模型在用户指定对象上的时空推理能力。该数据集包含1,662个二元问答对，5,403个属性问答对和13,714个运动问答对。数据集的建设过程包括三个阶段：增强对象标注、基于对象特征和时态动态的框引用视觉问答数据集生成，以及问答分布和难度控制的采样和平衡策略。数据集支持真实世界的感知约束和丰富的语义注释，为开发更鲁棒、可解释的自动驾驶系统提供了基础。

查看Box-QAymo

关于 昆士兰大学 , 昆士兰大学是澳大利亚顶尖的研究型大学之一，位于昆士兰州首府布里斯班，以其卓越的教学和研究成果在国际上享有盛誉。

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。