McGill-NLP/RealVQA-w_model_results_crag_mm_validation_50

--- dataset_info: features: - name: id dtype: string - name: source dtype: string - name: image dtype: image - name: question dtype: string - name: answer dtype: string - name: image_size list: int64 - name: roi_bbox list: int64 - name: number_of_objects dtype: 'null' - name: size_of_target_object dtype: float64 - name: popularity dtype: 'null' - name: entity_name dtype: string - name: wikipedia_url dtype: 'null' - name: normalized_distance_from_center dtype: float64 - name: number_of_objects_gdino dtype: int64 - name: per_object_category_gdino_coarse list: - name: category dtype: string - name: count dtype: int64 - name: bbox_candidates_gdino_coarse list: - name: bbox list: float64 - name: distance_to_center dtype: float64 - name: label dtype: string - name: size dtype: float64 - name: metadata struct: - name: domain dtype: string - name: dynamism dtype: string - name: image_quality dtype: string - name: query_category dtype: string - name: ambiguity list: string - name: target_category_cnt dtype: int64 - name: target_category_ratio dtype: float64 - name: saliency_rank dtype: int64 - name: saliency_score_list list: float64 - name: google-lens struct: - name: naive_extraction struct: - name: object_recognition dtype: float64 - name: w_bounding_box struct: - name: object_recognition dtype: 'null' - name: w_crop_image struct: - name: object_recognition dtype: 'null' - name: qwen-7b struct: - name: naive_extraction struct: - name: object_recognition dtype: bool - name: w_bounding_box struct: - name: object_recognition dtype: bool - name: w_crop_image struct: - name: object_recognition dtype: bool - name: gpt-4.1 struct: - name: naive_extraction struct: - name: object_recognition dtype: bool - name: w_bounding_box struct: - name: object_recognition dtype: bool - name: w_crop_image struct: - name: object_recognition dtype: bool splits: - name: train num_bytes: 175023166 num_examples: 50 download_size: 175031915 dataset_size: 175023166 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：标识符（id），数据类型：字符串 - 名称：来源（source），数据类型：字符串 - 名称：图像（image），数据类型：图像 - 名称：问题（question），数据类型：字符串 - 名称：答案（answer），数据类型：字符串 - 名称：图像尺寸（image_size），数据类型：64位整数列表 - 名称：感兴趣区域边界框（roi_bbox，Region of Interest Bounding Box），数据类型：64位整数列表 - 名称：目标数量（number_of_objects），数据类型：空类型 - 名称：目标物体尺寸（size_of_target_object），数据类型：64位浮点数 - 名称：流行度（popularity），数据类型：空类型 - 名称：实体名称（entity_name），数据类型：字符串 - 名称：维基百科链接（wikipedia_url），数据类型：空类型 - 名称：相对于图像中心的归一化距离（normalized_distance_from_center），数据类型：64位浮点数 - 名称：GDINO检测目标数量（number_of_objects_gdino），数据类型：64位整数 - 名称：GDINO粗粒度逐目标类别统计（per_object_category_gdino_coarse），数据类型：列表，结构如下： - 名称：category，数据类型：字符串 - 名称：count，数据类型：64位整数 - 名称：GDINO粗粒度边界框候选集（bbox_candidates_gdino_coarse），数据类型：列表，结构如下： - 名称：边界框（bbox，bounding box），数据类型：64位浮点数列表 - 名称：到图像中心的距离（distance_to_center），数据类型：64位浮点数 - 名称：标签（label），数据类型：字符串 - 名称：尺寸（size），数据类型：64位浮点数 - 名称：元数据（metadata），数据类型：结构体，结构如下： - 名称：领域（domain），数据类型：字符串 - 名称：动态性（dynamism），数据类型：字符串 - 名称：图像质量（image_quality），数据类型：字符串 - 名称：查询类别（query_category），数据类型：字符串 - 名称：歧义性（ambiguity），数据类型：字符串列表 - 名称：目标类别计数（target_category_cnt），数据类型：64位整数 - 名称：目标类别占比（target_category_ratio），数据类型：64位浮点数 - 名称：显著性排名（saliency_rank），数据类型：64位整数 - 名称：显著性得分列表（saliency_score_list），数据类型：64位浮点数列表 - 名称：谷歌镜头（google-lens），数据类型：结构体，结构如下： - 名称：原生提取（naive_extraction），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：64位浮点数 - 名称：带边界框提取（w_bounding_box），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：空类型 - 名称：带裁剪图像提取（w_crop_image），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：空类型 - 名称：通义千问7B（qwen-7b），数据类型：结构体，结构如下： - 名称：原生提取（naive_extraction），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：布尔值 - 名称：带边界框提取（w_bounding_box），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：布尔值 - 名称：带裁剪图像提取（w_crop_image），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：布尔值 - 名称：GPT-4.1（gpt-4.1），数据类型：结构体，结构如下： - 名称：原生提取（naive_extraction），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：布尔值 - 名称：带边界框提取（w_bounding_box），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：布尔值 - 名称：带裁剪图像提取（w_crop_image），数据类型：结构体，结构如下： - 名称：目标识别（object_recognition），数据类型：布尔值 划分集： - 名称：训练集（train），字节数：175023166，样本数量：50 下载大小：175031915 数据集总大小：175023166 配置： - 配置名称：默认配置（default），数据文件： - 划分：训练集（train），路径：data/train-*