MultiInpaintCOCO：多种语言的细粒度视觉理解

原文：MultiInpaintCOCO: Fine-Grained Visual Understanding in Multiple Languages

先前的研究表明，视觉语言（VL）模型很难理解细粒度的图像细节，并且倾向于关注整体布局。此外，英语的任何弱点在多语言环境中往往会被进一步放大。为了研究这一点，我们将 InpaintCOCO（一个专注于细粒度视觉细节的英语数据集）扩展到 5 种语言族中的 13 种类型不同的语言

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。