CLEVR (Compositional Language and Elementary Visual Reasoning)

我们提出了一个诊断数据集，用于测试一系列视觉推理能力。它包含最小的偏差，并有详细的注释描述每个问题所需的推理类型。我们使用这个数据集来分析各种现代视觉推理系统，提供对其能力和局限性的新见解。

We present a diagnostic dataset designed to test a broad range of visual reasoning abilities. It features minimal biases and includes detailed annotations that describe the specific type of reasoning required for each question. We use this dataset to analyze various modern visual reasoning systems, providing novel insights into their capabilities and limitations.

搜集汇总

背景与挑战

背景概述

CLEVR是一个诊断性数据集，旨在测试视觉推理能力，具有最小偏差并提供详细的问题注释。它用于分析现代视觉推理系统的性能，由斯坦福大学和Facebook AI Research于2017年发布。