VisDial 图像对话数据集

VisDial 全称 Visual Dialog，是一个包含基于 MS COCO 数据集图像的人工标注问题的数据集。

VisDial stands for Visual Dialog, and it is a dataset containing manually annotated questions based on images from the MS COCO dataset.

搜集汇总

背景与挑战

背景概述

VisDial图像对话数据集是一个多模态数据集，基于MS COCO图像构建，通过人工标注实现双角色对话，每轮最多10轮问答，用于视觉问答和图像理解研究。数据集包含训练、验证和测试集，总大小约1.86 GB，采用CC BY 4.0许可证。