VizWiz-FewShot

我们介绍了一些拍摄的本地化数据集，这些数据集来自真正试图了解他们拍摄的图像中的视觉内容的摄影师。它包括由视觉障碍者拍摄的4,500多个图像中100类别的近10,000个分割。与现有的少拍摄对象检测和实例分割数据集相比，我们的数据集是第一个定位对象中的孔 (例如，在我们的12.3% 分割中发现)，它显示了相对于图像占用更大范围的对象，文本在我们的对象中是常见的五倍以上 (例如，在我们的22.4% 分割中找到)。