蔚山科学技术院发布HandVQA数据集,应用在手部姿态理解、视觉语言模型领域

蔚山科学技术院本次发布的数据集HandVQA,HandVQA是由蔚山科学技术院等机构联合开发的大规模诊断性基准数据集，专注于评估视觉语言模型对手部细粒度空间关系的理解能力。该数据集基于FreiHAND、InterHand2.6M和FPHA等高质量3D手部数据集构建，包含160万个控制性多选题，涵盖手部关节角度、距离和三维相对位置等空间关系。通过自动化流程将3D关节坐标转化为结构化自然语言问题，数据集支持机器人手术、AR/VR交互等需要精确手部姿态理解的场景，其零样本迁移能力在手势识别任务中实现了10.33%的准确率提升。

查看HandVQA

关于蔚山科学技术院,蔚山科学技术院（UNIST）是韩国一所专注于科学技术教育和研究的高等学府，成立于2007年，位于蔚山市。该机构致力于推动科技创新和工程领域的发展，提供多个科学和工程学科的本科及研究生课程。

关于arXiv,全球最大的预印本学术论文数据库，涵盖物理、数学、计算机科学等多个学科领域。