AGQA csvs
收藏kaggle2024-02-06 更新2024-03-07 收录
下载链接：
https://www.kaggle.com/datasets/dattran2801/agqa-csvs
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：
2024-02-06
相关数据集
AGQA-Decomp
最近的视频问题回答基准表明，最先进的模型难以回答组成问题。但是，尚不清楚哪种类型的组成推理会导致模型错误预测。此外，很难辨别模型是使用组成推理还是利用数据偏差得出答案。在本文中，我们开发了一个问题分解引擎，该引擎以编程方式将组成问题解构为子问题的有向无环图。该图的设计使每个父问题都是其子级的组成。我们介绍了AGQA-decompp，这是一个包含2.3M个问题图的基准，每个图平均有11.49个子问题
OpenXLab10
AGQA-Decomp
最近的视频问题回答基准表明，最先进的模型难以回答组成问题。但是，尚不清楚哪种类型的组成推理会导致模型错误预测。此外，很难辨别模型是使用组成推理还是利用数据偏差得出答案。在本文中，我们开发了一个问题分解引擎，该引擎以编程方式将组成问题解构为子问题的有向无环图。该图的设计使每个父问题都是其子级的组成。我们介绍了AGQA-decompp，这是一个包含2.3M个问题图的基准，每个图平均有11.49个子问题
OpenDataLab2026-07-12 更新490
Agqa: A Benchmark for Compositional Spatio-Temporal Reasoning
The AGQA benchmark is a visual dataset comprising 192M hand-crafted questions about 9.6K videos from the Charades dataset.
DataCite Commons2025-01-03 更新80
AGQA 2.0
AGQA 2.0是一个用于评估视频时空组合推理能力的数据集，由华盛顿大学和斯坦福大学联合开发。该数据集包含9685万个问题答案对，主要通过自然语言模板和场景图注释生成关于视频的问题，旨在测试模型的组合推理能力。数据集创建过程中，采用了严格的平衡算法来减少语言偏差，确保问题答案分布的平衡性。AGQA 2.0主要应用于视频理解和视觉推理领域，特别是在评估模型对复杂视觉场景的理解能力方面具有重要价值。
arXiv2022-04-13 更新620
zechen-nlp/agqa_sft
--- dataset_info: - config_name: more features: - name: question_id dtype: string - name: video_path dtype: string - name: conversations list: - name: role dtype: string
Hugging Face2025-12-17 更新40
