ConstructionSiteは、ブリティッシュコロンビア大学とブリティッシュコロンビア大学が2025年に公開した建設現場シーンのマルチモーダルベンチマークデータセットです。関連する論文の結果は次のとおりです。大規模な事前トレーニング済みビジョン言語モデルは効果的な建設安全検査員となるか?「建設安全環境におけるビジョン言語モデルの画像理解および推論能力を評価および改善する」というプロジェクトです。

このデータセットには、建設現場の画像10,013枚が含まれており、7,009枚のトレーニングセットと3,004枚のテストセットに分かれています。各データエントリには、画像、画像の説明、安全規則違反に関する質疑応答、違反物体の境界ボックス注釈、物体検出タスクの具体的なカテゴリ（掘削機、鉄筋、白いヘルメットを着用した作業員など）、照明、カメラ距離、視野角、情報品質などの画像属性が含まれています。このデータセットは、複雑なシーンと多様な注釈を備えており、実際の建設現場の安全検査に近いものです。画像の説明、視覚的な質問応答、物体検出、視覚的な位置特定、マルチモーダル推論などのタスクに適しています。