Датасет · deepcs233
Датасет с выделением областей на фото для Visual CoT
deepcs233/Visual-CoT
Англоязычные мультимодальные данные с разметкой рамок (bbox) для обучения моделей визуальному рассуждению.
Что внутри
Специализированный набор данных на английском языке для мультимодальных больших языковых моделей (MLLM). Внутри лежат изображения и тексты с разметкой ограничивающих рамок (bounding boxes), которые указывают на конкретные области картинки, требующие дополнительного внимания для точного ответа.
Что можно сделать
- Обучение MLLM выделять нужные фрагменты изображения перед ответом
- Повышение интерпретируемости и точности визуальных языковых моделей
- Дообучение моделей для задач visual grounding и поиска объектов по запросу
- Задачи
- Картинка + текст
- Языки
- Английский
- Скачиваний за месяц
- 6,5 тыс.
- Лайков
- 64
Как загрузить
from datasets import load_dataset
ds = load_dataset("deepcs233/Visual-CoT")