VQA - Visual Question Answering - valid images

本研究提出了首个大规模的视觉问答（VQA）系统视觉鲁棒性评估基准，包含213,000张增强图像，这些图像来自3000张原始图像及其对应的16000个问题-答案对。数据集通过模拟真实世界中的图像损坏情况，如图像模糊等，来评估VQA模型在面对这些损坏时的表现。数据集的创建旨在解决VQA模型在实际应用中的鲁棒性问题，特别是在敏感领域如医疗VQA中的应用。