TDIUC は、Task Directed Image Understanding Challenge の略で、視覚的な質問と回答のデータ セットです。データ セットには、MS COCO および視覚ゲノム データ セットからの 160 万の質問と 170,000 の画像が含まれており、画像と質問のペアは 12 のカテゴリと 4 つの追加の評価行列に分割され、モデルの堅牢性と推論能力を評価します。

TDIUC 統計:

• 12 種類の質問 (いくつかの「不条理な」質問を含む、基本的なタスクごとにグループ化)
• 167,437 枚の画像 (MS-COCO および Visual Genome より)
• 165 万の質問と回答のペア (3 つのソース)
• 4 つの新しい評価指標 (バイアスを補正するように設計)
• 6 つの新しい実験セットアップ (VQA アルゴリズムに関連する重要な質問に答える)