视觉推理

Visual Reasoning 是视觉理解与推理能力的结合，旨在通过分析图像中的对象、关系及其上下文，推断出图像背后的动作和逻辑。该任务不仅关注图像内容的识别，更侧重于理解这些内容之间的复杂关联，从而实现对图像深层次意义的解析。在人工智能领域，Visual Reasoning 的应用价值广泛，能够提升机器在场景理解、目标检测和人机交互等任务中的智能水平。