韩国科学技术院 发布 基于街景图像的合成视觉问答数据集 数据集, 应用在 视觉问答、街景分析 领域

韩国科学技术院 本次发布的数据集 基于街景图像的合成视觉问答数据集, 该数据集由韩国科学技术院的研究人员构建，包含来自五个全球城市的50,000张街景图像。通过对这些图像进行语义分割、深度估计和目标检测，研究人员提取了场景属性，并基于这些属性生成了大量问答对。数据集分为感知问答和组合问答两种类型，并进一步将问答对的答案转换为“思维链”形式，以便更好地评估模型的推理过程。该数据集旨在帮助视觉-语言模型更好地理解和解释城市街景，并推动相关领域的研究和应用。

查看基于街景图像的合成视觉问答数据集

关于 韩国科学技术院 , 韩国科学技术院是韩国最高科学研究机构，致力于推动科技创新和培养科研人才。_simple

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。