浙江大学 发布 SpatialLadder-26k 数据集, 应用在 视觉语言处理、空间推理 领域

浙江大学 本次发布的数据集 SpatialLadder-26k, SpatialLadder-26k是一个包含26,610个样本的多模态数据集，涵盖了从物体定位到单图像、多视图和视频空间推理任务。该数据集通过标准化流程构建，确保了跨模态的系统性覆盖，并提供了高质量的数据标注。数据集的建设旨在解决视觉语言模型在空间推理方面的挑战，通过逐步建立空间感知、空间理解和复杂推理能力，以提升模型在空间任务上的表现。

查看SpatialLadder-26k

README 内容： 

关于 浙江大学 , 浙江大学是中国一所历史悠久、学科全面、科研实力雄厚的顶尖综合性大学。

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。