CIRR 图像合成检索数据集

CIRR 全称 Compose Image Retrieval on Real-life images，包含超过 36,000 对众包的、开放域图像与人工生成的修改文本。该数据集旨在促进未来对视觉语言学概念的微妙推理的研究，以及用对话进行迭代检索，通过更强调区分开放域视觉相似图像来解决现有数据集的缺陷。

CIRR, short for Compose Image Retrieval on Real-life Images, consists of over 36,000 crowdsourced pairs of open-domain images and manually generated modified captions. This dataset aims to advance future research on nuanced reasoning over visual-linguistic concepts and iterative retrieval via dialogue, addressing the limitations of existing datasets by placing greater emphasis on distinguishing visually similar open-domain images.

搜集汇总

背景与挑战

背景概述

CIRR 图像合成检索数据集是一个专注于开放域图像与文本合成检索的多模态数据集，包含超过 36,000 对图像和人工生成的修改文本，旨在支持视觉语言学推理和迭代检索研究。该数据集通过强调区分视觉相似图像来解决现有数据集的不足，适用于图像理解、推理和文本生成任务。