VisionXLab 发布 LRS-VQA 数据集, 应用在 视觉-语言理解、问答系统 领域

VisionXLab 本次发布的数据集 LRS-VQA, 该数据集是一个包含7,333个问答对的综合基准，覆盖了8个类别，其中的图像最长可达27,328像素。数据集分为三个部分：LRS-FAIR、LRS-Bridge和LRS-STAR，分别包含2,272、1,062和3,999个问答对。该数据集的规模为7,333个问答对，其任务重点在于视觉-语言理解和问答。

查看LRS-VQA

README 内容： 

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。