visual_qa
收藏kaggle2024-02-23 更新2024-03-11 收录
下载链接：
https://www.kaggle.com/datasets/sahiljaiswal1290/visual-qa
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2024-02-22
相关数据集
Visual QA dataset
Visual QA数据集是由南加州大学创建的一个大规模多选题视觉问答数据集，包含超过140万条图像-问题-候选答案三元组。该数据集利用MSCOCO图像库，通过人工标注生成多样化的问题和答案，旨在评估和提升机器对视觉和语言信息的理解和推理能力。数据集的创建过程中，特别关注了候选答案的设计，以确保机器必须综合考虑图像、问题和答案三方面的信息才能正确回答。该数据集主要应用于视觉问答任务，旨在解决机器在理
arXiv2018-06-11 更新70
ReadingTimeMachine/visual_qa_multipanel
这是一个用于测试大型语言/多模态模型（LMMs）的多面板视觉问答（VQA）数据集。数据集包含了合成的多面板图形以及与之相关的问答对。图形从易于人类/LMMs解析到因数据标记重叠而非常棘手的都有。
Hugging Face2025-09-19 更新40
ReadingTimeMachine/visual_qa_histograms
这是一个基于直方图的视觉问答数据集，包含合成的单面板直方图图像、用于创建直方图的数据、边界框数据、数据标记以及VQA问答对。数据集分为三个子集，分别包含80、500和1000个图像，每个子集的图像复杂度不同。数据集同时包含了人类和大型语言/多模态模型的注释。
Hugging Face2025-09-19 更新20
visual_qa_histograms
这是一个基于分布的视觉问题回答数据集，包含了人类和大型语言/多模态模型(LMMs)的标注，由合成的单面板直方图图像、创建直方图的数据、边界框数据、轴和刻度标签的数据标记以及VQA问题-答案对组成。数据集分为三个部分，分别是小规模（80张图像）、大规模（500张图像）和复杂分布（100张图像）的直方图数据集。
Hugging Face2025-09-18 更新140
SteveTran/naruto-visual-qa
该数据集包含图像、问题及答案三种类型的数据，适用于图像问答任务。数据集被划分为一个名为character的部分，共有152个示例。
Hugging Face2025-02-13 更新40
