复旦大学发布gRefCOCO数据集,应用在多模态理解、指代表达领域

复旦大学本次发布的数据集gRefCOCO,gRefCOCO是由复旦大学团队构建的广义指代表达数据集，扩展自经典RefCOCO数据集，首次系统支持多目标（如‘穿红衣服的孩子’）和无目标（如‘不存在的对象’）表达场景。该数据集包含25.9万条基于COCO图像的标注数据，涵盖实例级掩码和边界框，通过自然语言描述与视觉目标的复杂关联。其构建过程通过人工标注和语义增强实现，旨在推动计算机视觉与自然语言处理交叉领域的多模态理解，解决现有方法在真实场景中灵活性和鲁棒性不足的问题，适用于智能图像编辑、人机交互等应用场景。

查看gRefCOCO

关于复旦大学,复旦大学是中国的一所综合性研究型大学，以其在多个学科领域的卓越表现和研究成果享誉全球。

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。