К содержимому

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")