VCR

DataCite Commons2026-01-07 更新2025-04-16 收录

下载链接：

https://service.tib.eu/ldmservice/dataset/786fc7bd-cea8-4164-a9ef-ae9dfff918d6

下载链接

链接失效反馈

官方服务：

资源简介：

The dataset used in the paper for visual commonsense reasoning.

提供机构：

TIB

创建时间：

2024-12-17

VCR

Please visit the official website of this dataset for details

帕依提提70

vcr-org/VCR-wiki-en-easy

VCR-Wiki数据集是一个用于视觉字幕恢复（VCR）任务的数据集，旨在评估视觉语言模型在部分遮挡文本恢复中的能力。数据集包含图像、字幕、堆叠图像等字段，并通过调整字幕可见性来控制任务难度。数据集构建过程包括数据收集、过滤、N-gram选择、文本嵌入图像生成等步骤。数据集分为训练集、验证集和测试集，分别包含2095733、5000和5000个样本。数据集的总大小为382374912324.1927

Hugging Face2024-07-28 更新450

vcr-org/VCR-wiki-en-hard

VCR-Wiki数据集是一个用于视觉字幕恢复（VCR）任务的数据集，旨在测试视觉语言模型在图像中恢复部分遮挡文本的能力。数据集包含图像、字幕、堆叠图像等特征，并分为训练、验证和测试集。数据集的构建过程包括数据收集、过滤、文本嵌入图像生成等步骤。数据集还提供了详细的评估方法和相关模型的性能比较。

Hugging Face2024-07-28 更新150

GD-VCR

该数据集旨在测试视觉和语言模型理解文化及地理位置特定常识知识的能力。它评估了模型在需要特定于不同地区的常识推理问题上的泛化能力，并突显了在西方和非西方情境下模型性能的差距。该数据集的任务是视觉常识推理。

arXiv390

vcr-org/VCR-wiki-zh-easy

VCR-Wiki数据集用于视觉字幕恢复（VCR）任务，旨在评估视觉语言模型在图像中恢复部分遮挡文本的能力。数据集包含图像、字幕、堆叠图像等特征，并分为训练、验证和测试集。数据集通过合成图像生成管道创建，具有可调整的字幕可见性以控制任务难度。数据集还提供了详细的统计信息、构建过程、数据字段描述以及使用免责声明。

Hugging Face2024-07-28 更新180