视觉问答(RSVQAxBEN)

视觉问答是一项新任务，可以促进通过文本查询从图像中提取信息：它旨在回答用自然语言表述的关于给定图像的开放式问题。在这项工作中，我们引入了一个新的数据集来处理遥感图像的视觉问答任务：这个大规模的开放获取数据集从 BigEarthNet 数据集中提取图像/问题/答案三元组。这个新数据集包含近 1500 万个样本，并且是公开可用的。