facebook/PUG_SPAR

PUG: SPAR（场景、位置、属性、关系）包含43,560个测试样本，这些样本包含图像-描述对，用于评估视觉语言模型（VLM）的场景和对象识别能力，以及对象间和对象属性间的关系。我们利用包含最多两个对象的场景，这些场景具有4种独特的空间关系和4种不同的纹理变化。

原始信息汇总

数据集概述

数据集信息

• 特征列表：

  • image: 图像数据
  • world_name: 场景名称
  • character_name: 角色名称
  • character2_name: 第二个角色名称
  • character1_pos: 角色位置
  • character2_pos: 第二个角色位置
  • character_texture: 角色纹理
  • character2_texture: 第二个角色纹理

• 数据分割：

  • train: 训练集，包含43,560个样本，数据大小为17,215,863,251.4字节

• 数据集大小：

  • 下载大小：17,185,543,222字节
  • 实际大小：17,215,863,251.4字节

配置信息

• 默认配置：
  • data_files: 训练集数据文件路径为data/train-*

数据集描述

• PUG: SPAR：包含43,560个测试样本，图像-文本对评估视觉语言模型的场景和对象识别，以及对象间和对象-属性关系。场景中最多包含两个对象，具有4种独特空间关系和4种不同纹理变化。

许可证

• CC-BY-NC 4.0：数据集在CC-BY-NC许可下发布，不得用于训练生成式AI模型。

引用

• PUG数据集引用：

  @misc{bordes2023pug, title={PUG: Photorealistic and Semantically Controllable Synthetic Data for Representation Learning}, author={Florian Bordes and Shashank Shekhar and Mark Ibrahim and Diane Bouchacourt and Pascal Vincent and Ari S. Morcos}, year={2023}, eprint={2308.03977}, archivePrefix={arXiv}, primaryClass={cs.CV} }