VQA-HAT 智能问答数据集

VQA-HAT 又称 VQA Human Attention，能根据所询问的问题评估图像的信息区域。康奈尔大学的团队通过让志愿者回答锐化模糊图像的区域，来获得人类视觉注意力图。

VQA-HAT, also known as VQA Human Attention, is a visual question answering dataset that evaluates the informative regions of an image corresponding to a given query question. A research team from Cornell University collected human visual attention maps by asking volunteers to mark the relevant regions in sharpened blurred images when responding to the provided questions.

搜集汇总

背景与挑战

背景概述

VQA-HAT（VQA Human Attention）是一个智能问答数据集，用于根据问题评估图像中的关键信息区域。该数据集由康奈尔大学团队通过志愿者实验生成的人类视觉注意力图构成，包含超过60,000张基于原始VQA数据集的注意力图。