Fondazione Bruno Kessler 发布 Fabric-Image-Data (FID) 数据集, 应用在 织物图像分类、跨模态检索 领域

Fondazione Bruno Kessler 本次发布的数据集 Fabric-Image-Data (FID), Fabric-Image-Data (FID) 数据集包含了12,181张羊毛面料图像，分为四种类型：格子、图案、纯色和条纹。该数据集旨在用于织物图像的分类，但本文将其用于文本到图像的跨模态检索任务。为了支持这一任务，作者为每张图像生成了两种类型的文本描述：自由形式的自然语言描述和基于属性的模板描述。这些描述是通过使用大型语言模型自动生成的，以评估不同视觉语言模型在检索性能上的表现。数据集的创建过程包括使用ChatGPT-4o-mini生成描述，并使用CLIP、LAIONCLIP和Perception Encoder三种视觉语言模型进行检索性能评估。该数据集的应用领域是织物行业，旨在解决基于文本描述检索织物图像的问题。

查看Fabric-Image-Data (FID)

README 内容： 

关于 Fondazione Bruno Kessler , Bruno Kessler 基金会是一家位于意大利的研究机构，专注于科技创新，涵盖人工智能、机器人技术、信息安全等领域的研究与开发。

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。