TDIUC 视觉问答数据集

TDIUC 全称 Task Directed Image Understanding Challenge，是一个视觉问答数据集。数据集包括来自 MS COCO 和视觉基因组数据集的 160 万个问题及 17 万张图像；image-question pair 被分为 12 个类别及 4 个额外的评价矩阵 (evaluation matrices)，用于评估模型稳健性及推理能力。

TDIUC 数据统计：

• 12 种不同的问题类型（根据基本任务分组，其中包括一些「absurd」的问题）
• 167,437 张图像（源自 MS-COCO 及 Visual Genome）
• 165 万个 question-answer pair（3 个来源）
• 4 个全新评估指标（旨在补偿偏见）
• 6 个全新实验设置（回答 VQA 算法相关的关键问题）