Ensemble De Données De Description D'image De Sous-titrage De Paragraphe D'image

L'ensemble de données de sous-titrage de paragraphes d'images peut être utilisé pour évaluer les extraits de description générés pour les images. Cet ensemble de données contient 19 561 images de l'ensemble de données Visual Genome. Chaque image contient un paragraphe. Les ensembles de formation/évaluation/test contiennent respectivement 14 575, 2 487 et 2 489 images.

Chaque image contient également 50 descriptions de régions (phrases décrivant une partie spécifique de l'image), 35 objets, 26 attributs et 21 relations, ainsi que 17 paires questions-réponses.