mair-lab/vismin

VisMin数据集由四种类型的最小变化组成——对象、属性、计数和空间关系——这些变化存在于两个图像-描述对之间。评估任务要求模型在给定两种情况下预测正确的图像-描述匹配：1）两张图片和一个描述，2）两个描述和一张图片。VisMin基准包含2,084个样本，分为579个对象、294个属性、589个计数和622个关系。

VisMin consists of four types of minimal-changes – object, attribute, count and spatial relation – between two image-captions pairs. The evaluation task requires a model to predict the correct image-caption match given: 1) two images and one caption, 2) two captions and one image. The VisMin benchmark has 2,084 samples (579 objects, 294 attributes, 589 counting, 622 relations).

原始信息汇总

VisMin 数据集概述

数据集描述

VisMin 数据集包含四种最小变化类型：对象、属性、计数和空间关系，这些变化存在于两对图像-标题之间。

评估任务

评估任务要求模型在以下情况下预测正确的图像-标题匹配：

1. 两张图像和一个标题。
2. 两个标题和一张图像。

数据集规模

VisMin 基准测试包含 2,084 个样本，具体分布如下：

• 对象：579 个
• 属性：294 个
• 计数：589 个
• 空间关系：622 个