Compositional Visual Genome (ComVG)

Image and Text Matching图像与文本匹配

搜集汇总

背景与挑战

背景概述

Compositional Visual Genome (ComVG)是一个用于组合式图像和文本匹配基准测试的数据集，包含5400个带有主语、动词和宾语注释的图像-文本对。该数据集基于Visual Genome生成，格式与SVO-Probes数据集相同，旨在支持训练自由的组合匹配方法研究。