VideoNavQA

VideoNavQA 数据集包含在 House3D 环境中生成的成对问题和视频。该数据集的目标是从近乎理想的导航路径评估问答性能，同时考虑比当前的具体问答 (EQA) 任务实例更完整的问题。
VideoNavQA 包含大约 101,000 对视频和问题，属于 8 个类别的 28 类问题，有 70 个可能的答案。每个问题类型是
与一个模板相关联，该模板有助于使用从视频中提取的地面实况信息进行程序化生成。数据集中问题的复杂性远远超过使用该生成方法的其他类似任务（如 CLEVR）：问题涉及单个或多个对象/房间存在、对象/房间计数、对象颜色识别和定位、空间推理，对象/房间大小比较和对象属性（颜色，房间位置）的相等性。

搜集汇总

背景与挑战

背景概述

VideoNavQA数据集包含约10.1万对视频和问题，用于在House3D环境中评估问答性能。它涵盖8个类别的28类问题，涉及对象/房间存在、计数、颜色识别、空间推理等多种复杂任务，通过程序化生成方法创建。