Visual Genome 密集标注数据集

Visual Genome Dataset 是一个通过众包密集图像标注，来连接语言和视觉的数据集，包含了多选环境下的 Visual Question Answering 数据。

The Visual Genome Dataset is a dataset that connects language and vision through dense crowdsourced image annotation, and it includes Visual Question Answering (VQA) data in multiple-choice settings.

搜集汇总

背景与挑战

背景概述

Visual Genome密集标注数据集是一个通过众包密集图像标注来连接语言和视觉的数据集，包含101,174张MSCOCO图像的170万对视觉问答（QA），问题类型分布均衡。此外，该数据集还提供了10.8万张密集标注了目标、属性和关系的图像。