ROPE

该数据集旨在评估大型视觉-语言模型（LVLMs）在视觉提示和自然语言指令下的多目标识别能力。它由现有的全景分割数据集构建而成，包括MSCOCO-Panoptic和ADE20K，确保了具有实例级语义注释的多样化目标类别。该数据集的任务是进行多目标识别。

This dataset is designed to evaluate the multi-object recognition capabilities of Large Vision-Language Models (LVLMs) under visual prompts and natural language instructions. It is constructed from existing panoptic segmentation datasets, including MSCOCO-Panoptic and ADE20K, ensuring diverse target categories with instance-level semantic annotations. The task of this dataset is multi-object recognition.

搜集汇总

背景与挑战

背景概述

ROPE数据集用于评估大型视觉-语言模型在视觉提示和自然语言指令下的多目标识别能力。它基于MSCOCO-Panoptic和ADE20K全景分割数据集构建，具有实例级语义注释和多样化的目标类别，专注于多目标识别任务。