中国科学院自动化研究所 发布 VisualTrans 数据集, 应用在 视觉推理、动态场景分析 领域

中国科学院自动化研究所 本次发布的数据集 VisualTrans, VisualTrans是一个针对现实世界中人与物体交互场景的视觉转换推理（VTR）基准。它包含12种语义丰富的操作任务，并通过系统构建的问题-答案对评估三个核心推理维度——空间、程序和定量。该基准具有472个高质量的问题-答案对，包括选择题、开放式计数和目标枚举等多种格式。VisualTrans基于第一人称操作视频构建，并通过自动元数据注释和结构化问题生成，最终由人工验证确保其高质量和可解释性。该数据集旨在帮助智能系统理解和预测动态场景，并指导行动，为高级智能系统奠定基础。

查看VisualTrans

关于 中国科学院自动化研究所 , 中国科学院自动化研究所是中国科学院下属的研究机构，专注于自动化、人工智能、模式识别等领域的研究。其在人工智能和自动化技术方面取得了多项重要成果，为国家的科技发展做出了重要贡献。

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。