Who’s Waldo 包含了 270k 个图片-文本对，并自动标注了提到的人名和他们相应的视觉区域之间的对齐关系。
Who’s Waldo 数据集是由 Wikimedia Commons 中免费许可的图片和描述构建的。Who’s Waldo 是一个基准数据集，用于以人为中心的视觉基础。
Who’s Waldo 图片描述数据集
本站暂不支持该数据集下载，如需下载请访问上述「发布地址」进行下载（如可用）
相关数据集推荐
VQA-E 视觉问答解析数据集
VQA-E 全称 Visual Question Answering with Explanation，是带有解析的视觉问答数据集，其涉及的模型需要预测并生成答案解析。它是由 VQA v2 数据集自动衍生出来的，为每个“图像-问题-答案三要素”合成为一个文本解析，这使得问答过程更…
Cops-Ref 目标物指代理解数据集
Cops-Ref 全称 Compositional Referring Expression Comprehension，是关于在目标物指代理解方面的视觉推理图像数据集。该数据集包含 75,299 张真实图像、148,712 条文本描述和 1,307,885 个候选区域。 该数据…
FM-IQA 多语种问答数据集
FM-IQA 全称 Freestyle Multilingual Image Question Answering，是一个问答数据集，包含 15 万张图像和 31 万个自由式中文问答对及其英文翻译。该数据集可用于训练和评估 mQA 模型。该模型可用于回答关于图像内容的问题，答案可…
