VQA 2.0 Images

该数据集主要针对视觉问答（VQA）任务，其中人类的不确定性标签被分为低、中、高三个级别。此外，数据集包含了具有多个人类回应的样本，以评估模型性能与人类不确定性分布之间的关系。在规模上，该数据集包括训练集443,757个样本，验证集213,954个样本，以及经过筛选的BEiT3数据集3,248个样本和LXMERT数据集15,408个样本。其任务专注于视觉问答（Vqa）。