上海交通大学 发布 MM-CamObj 数据集, 应用在 视觉语言模型、伪装对象识别 领域

上海交通大学 本次发布的数据集 MM-CamObj, MM-CamObj数据集由上海交通大学创建，专门用于解决视觉语言模型在复杂场景，特别是伪装对象场景中的挑战。该数据集包含两个子集：CamObj-Align和CamObj-Instruct，分别用于视觉语言对齐和指令微调。CamObj-Align包含11,363个高质量的图像-文本对，旨在向模型注入丰富的伪装场景知识。CamObj-Instruct则包含11,363张图像和68,849个多样化的对话，用于增强模型在伪装场景中的指令跟随能力。数据集的创建过程包括从多个经典数据集中精心挑选图像，并利用GPT-4o生成详细的描述和对话。MM-CamObj数据集主要应用于评估和提升视觉语言模型在伪装对象识别、定位和计数等任务中的性能。

查看MM-CamObj

README 内容： 

关于 上海交通大学 , 上海交通大学是一所位于中国上海市的著名综合性研究型大学，以工程学、管理学和医学等领域的研究和教学而闻名。

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。