VQA-HAT は、VQA ヒューマン アテンションとしても知られており、質問に基づいて画像の情報領域を評価できます。コーネル大学のチームは、ぼやけた画像のどの領域を鮮明にするかについての質問にボランティアに回答してもらい、人間の視覚的注意マップを取得しました。

このデータセットは、元の VQA データセットの画像上の人間の視覚的注意マップで構成されています。 60,000 を超える人間の視覚的注意マップが含まれています。