COCO-QA

该数据集是一个视觉问答集，它支持研究在图像条件下文本生成的课题。此外，该数据集被用于分析问题编码和答案解码中的因果效应，以此来理解视觉-语言模型中的神经机制。其所涉及的任务是视觉问答。

This dataset is a visual question answering (VQA) corpus that supports research on image-conditioned text generation. Furthermore, it is employed to analyze causal effects in question encoding and answer decoding, aiming to elucidate the neural mechanisms of vision-language models. The core task associated with this dataset is visual question answering.

搜集汇总

背景与挑战

背景概述

COCO-QA是一个基于MS-COCO图像数据集自动生成的视觉问答数据集，包含123,287张图片和117,684个问题（78,736训练集和38,948测试集）。该数据集特点是将问题分为对象、数量、颜色、位置四种类型，且所有答案均为单字词形式。