Verse

我们探索visual_x000D_的新任务
动词的意义消歧：给定图像and_x000D_
一个动词，指定动词的正确含义，即 the_x000D_
描述图像中描述的动作的一种。_x000D_
我们展示了 VerSe，一个新的数据集，它使用_x000D_ 扩充了现有的多模式数据集（COCO 和 TUHOI）
感知标签。 VerSe 包含 3518 个图像，每个都用 90 个动词中的一个进行注释，以及 OntoNotes_x000D_
在图像中实现的感觉。

搜集汇总

背景与挑战

背景概述

Verse是一个用于视觉动词义消歧任务的数据集，包含基于COCO和TUHOI扩充的3518张图像，每张图像标注了90个动词在OntoNotes中的义项。该数据集由爱丁堡大学于2016年发布。