Visual Spatial Reasoning
收藏官方服务：
资源简介：
视觉空间推理 (VSR) 语料库是具有真/假标签的字幕图像对的集合。每个标题描述了图像中两个单独对象的空间关系，视觉语言模型 (VLM) 需要判断标题是否正确地描述了图像 (True) 或不正确 (False)。下面是几个例子。
The Visual Spatial Reasoning (VSR) corpus is a collection of image-caption pairs with true/false labels. Each caption describes the spatial relationship between two distinct objects in the corresponding image, and the vision-language model (VLM) is required to determine whether the caption correctly describes the image (True) or not (False). Several examples are provided below.
提供机构：
OpenDataLab创建时间：
2023-10-20
搜集汇总
数据集介绍
背景与挑战
背景概述
Visual Spatial Reasoning是一个视觉空间推理数据集，由剑桥大学于2023年发布，包含图文对及其真/假标签，用于测试视觉语言模型对图像中对象空间关系的判断能力。
以上内容由遇见数据集搜集并总结生成
