ViCLEVR

一个用于评估越南语视觉推理能力的开创性数据集，包含超过26,000张图像和30,000个问题-答案对，每个问题都标注了涉及的推理类型。

A pioneering dataset for evaluating Vietnamese visual reasoning capabilities, comprising over 26,000 images and 30,000 question-answer pairs, with each question annotated with the corresponding type of reasoning.

原始信息汇总

ViCLEVR: A Visual Reasoning Dataset and Hybrid Multimodal Fusion Model for Visual Question Answering in Vietnamese

数据集概述

• 名称: ViCLEVR
• 类型: 视觉推理数据集
• 语言: 越南语
• 位置: 数据集位于仓库的 data/ViCLEVR 文件夹中

数据格式

数据集包含以下字段：

• id: 数据条目ID
• question: 问题列表，包含不同语言的表述和关键词
  • language: 语言类型（如 en 表示英语，vi 表示越南语）
  • string: 问题文本
  • keywords: 问题关键词
• query: 查询语句，通常为SPARQL格式
• answers: 答案列表，包含答案的详细信息

引用

@Article{Tran2023ViCLEVR, title= {ViCLEVR: a visual reasoning dataset and hybrid multimodal fusion model for visual question answering in Vietnamese}, author= {Khiem Vinh Tran, Hao Phu Phan, Kiet Van Nguyen, Ngan Luu Thuy Nguyen}, journal= {Multimedia Systems}, number= {4}, pages= {199}, doi= {10.1007/s00530-024-01394-w}, year={2024} }