TDIUC, dont le nom complet est Task Directed Image Understanding Challenge, est un ensemble de données de questions-réponses visuelles. L'ensemble de données comprend 1,6 million de questions et 170 000 images provenant des ensembles de données MS COCO et Visual Genome ; Les paires image-question sont divisées en 12 catégories et 4 matrices d'évaluation supplémentaires pour évaluer la robustesse du modèle et la capacité de raisonnement.

Statistiques TDIUC :

• 12 types de questions différents (regroupés par tâches de base, y compris certaines questions « absurdes »)
• 167 437 images (de MS-COCO et Visual Genome)
• 1,65 million de paires questions-réponses (provenant de 3 sources)
• 4 nouvelles mesures d'évaluation (conçues pour compenser les biais)
• 6 nouveaux paramètres expérimentaux (répondant à des questions clés sur les algorithmes VQA)