发布 SoM Dataset 数据集, 应用在 计算机视觉、机器学习 领域

本次发布的数据集 SoM Dataset, 该数据集包含了带有数字标签的图像，使得模型能够将视觉对象与标签关联起来，并以结构化的方式描述它们。此外，该数据集能够提升多模态大型语言模型（MLLMs）的视觉推理能力，并减少其产生的幻觉现象，同时允许通过文本标记有效地引用视觉对象。该数据集规模在1万至3万张带有标签的图像之间，其任务旨在为多模态大型语言模型（MLLMs）进行视觉定位与推理。

查看SoM Dataset

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。