IllusionAnimals データセットは、2024 年にイラン科学技術大学の研究者によって作成された、2,000 個のサンプルを含む FiftyOne データセットです。錯視的 VQA: 視覚的錯視に関するマルチモーダル モデルのベンチマークと強化「」。このデータセットには、10 個の動物カテゴリと 1 個の非錯視カテゴリが含まれており、画像解像度は 512×512 ピクセルです。このデータセットは、動物ベースの視覚錯視を識別および説明するマルチモーダル モデルの能力を評価するために使用されます。

引用

@misc{rostamkhani2024illusoryvqabenchmarkingenhancing, タイトル={錯覚VQA：視覚錯覚に関するマルチモーダルモデルのベンチマークと強化}、 author={モハマドモスタファ・ロスタムハニ、バクタシュ・アンサリ、フーリエ・サブゼヴァリ、ファルザン・ラフマニ、サウレ・エテマディ}、 年={2024}、 eprint={2412.08169}、 archivePrefix={arXiv}、 primaryClass={cs.CV}、 url={https://arxiv.org/abs/2412.08169}、 }