HyperAI
Command Palette
Search for a command to run...
Image Understanding Benchmark 画像理解ベンチマークデータセット
Image Understanding Benchmark は、Microsoft により 2024 年に公開された、画像理解評価用の合成データセットです。マルチモーダルモデルの画像理解、空間推論、視覚的プロンプティング、物体認識・検出などの能力を評価することを目的としています。
本データセットは、物体検出、物体認識、空間推論、視覚的プロンプティングの 4 つのサブタスクを含み、合計約 10,240 枚の画像が生成されています。データはプログラムによって生成され、COCO の物体と Places365 の背景を組み合わせた上で、ランダムな回転、位置、スケールの変換が加えられています。これにより、マルチモーダルモデルの視覚理解能力の評価に使用可能です。
データセットの構成
データセットは、単一物体(single)と二物体(pairs)の 2 種類の条件下で、以下の 4 つのサブタスクをカバーする 8 種類の設定(config)を含みます。
- 物体検出(Object Detection)
- 物体認識(Object Recognition)
- 空間推論(Spatial Reasoning)
- 視覚的プロンプティング(Visual Prompting)
各サブタスクは、2 種類の条件下でそれぞれ 1,280 枚の画像を生成し、合計で約 10,240 枚の画像となります。各設定には主に以下のフィールドが含まれます。
- id:データサンプルの一意な識別番号。
- image:入力画像。
- prompt:モデル評価に使用されるプロンプトテキスト。
- ground_truth:一部のタスクにおける正解データ。
このデータセットはコミュニティユーザーによって提供されており、教育および情報提供のみを目的としています。著作権侵害に関わるコンテンツがある場合は、[email protected]までご連絡ください。速やかに確認し、削除いたします。