Inria 发布 LVISCap and LV-VISCap 数据集, 应用在 计算机视觉、自然语言处理 领域

Inria 本次发布的数据集 LVISCap and LV-VISCap, LVISCap和LV-VISCap数据集是两个包含视频对象轨迹的合成字幕的数据集。这些数据集是通过利用最先进的视觉语言模型（VLM）为LVIS和LV-VIS数据集中的对象创建字幕而生成的。LVISCap和LV-VISCap数据集旨在训练MaskCaptioner，这是一种能够检测、分割、跟踪和描述视频中的对象轨迹的端到端模型。

查看LVISCap and LV-VISCap

关于 Inria , Inria是法国国家信息与自动化研究研究所，致力于计算机科学和数学的研究。

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。