HyperAIHyperAI

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

日付

データセット構成

Microsoft Corporation

ライセンス

cdla-permissive-2.0

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。
数据集示例
数据集示例

AIでAIを構築

アイデアからローンチまで — 無料のAIコーディング支援、すぐに使える環境、最高のGPU価格でAI開発を加速。

AI コーディング補助
すぐに使える GPU
最適な料金体系

HyperAI Newsletters

最新情報を購読する
北京時間 毎週月曜日の午前9時 に、その週の最新情報をメールでお届けします
メール配信サービスは MailChimp によって提供されています