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。

We explore a novel visual task: verb sense disambiguation. Given an image and a verb, the task requires identifying the correct sense of the verb, i.e., the specific interpretation that matches the action depicted in the image.
We introduce VerSe, a new dataset that augments existing multimodal datasets (COCO and TUHOI) with perceptual labels. VerSe contains 3518 images, each annotated with one of 90 verbs and the sense of the verb from OntoNotes that is realized in the image.

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。