IDMR-bench

该数据集是为了对实例驱动的多模态图像检索（IDMR）进行基准测试而开发的，它使用了真实世界的物体追踪和第一人称视角的视频数据。该数据集包含了丰富多样的上下文信息，以支持细粒度的实例级一致性，并采用跨领域合成方法构建。规模上，该数据集包含了120万交织的文本-图像对，其中557,000条为合成数据，662,000条来自MMEB。其任务定位于实例驱动的多模态图像检索。This dataset is developed for benchmarking instance-driven multimodal image retrieval (IDMR), leveraging real-world object tracking and first-person perspective video data. Constructed via cross-domain synthesis approaches, it encompasses rich and diverse contextual information to enable fine-grained instance-level consistency. In terms of scale, the dataset contains 1.2 million interleaved text-image pairs, among which 557,000 are synthetic samples and 662,000 are derived from MMEB. The task of this benchmark is focused on instance-driven multimodal image retrieval.

搜集汇总

背景与挑战

背景概述

IDMR-bench是一个用于多模态检索的数据集，专注于实例驱动的精确视觉对应任务。它包含训练集和测试集，托管在Hugging Face平台，用于支持IDMR模型的训练和评估，旨在提升视觉-文本检索的准确性。该数据集基于研究论文，适用于计算机视觉和人工智能领域。