Image Paragraph Captioning 图像描述数据集

Image Paragraph Captioning 数据集可用于评估为图像生成的描述片段。该数据集包含来自 Visual Genome 数据集的 19,561 张图片。每张图片包含一个段落。训练/评价/测试集分别包含 14,575 、 2,487 、 2,489 张图像。

The Image Paragraph Captioning dataset is designed for evaluating description paragraphs generated for images. It contains 19,561 images sourced from the Visual Genome dataset, with each image paired with one corresponding paragraph. The training, validation, and test sets respectively include 14,575, 2,487, and 2,489 images.

搜集汇总

背景与挑战

背景概述

Image Paragraph Captioning 数据集用于评估为图像生成的描述段落，包含来自 Visual Genome 数据集的 19,561 张图片，每张图片均配有段落描述，并划分为训练、评价和测试集。此外，每张图像还提供区域描述、对象、属性、关系及问答对等辅助信息。