Open-Ended PitVQA

该数据集包含了大约101,803帧来自25个程序性手术视频，以及745,972个涵盖关键手术要素的问答句子对。此外，该数据集还涉及垂体手术的各个方面，包括工具的检测与定位。规模上，数据集包含了101,803帧画面和745,972个问答对，其任务主要集中在视觉问答领域。