CV-Bench
CV-Bench est un benchmark multimodal conçu pour tester la compréhension visuelle 2D et 3D des modèles, avec des annotations précises issues de plusieurs datasets standards (ADE20k, COCO, OMNI3D). Il comprend des questions en langage naturel pour évaluer la perception spatiale et la compréhension en profondeur des scènes.
5 276 exemples avec annotations texte 2D/3D, images associées, 810 Mo, format Parquet et JSONL
Apache 2.0
Description
CV-Bench propose un ensemble d’exemples annotés pour évaluer les modèles multimodaux sur des tâches classiques de vision en 2D et 3D. Les annotations comprennent des questions en langage naturel portant sur les relations spatiales, le comptage d’objets, l’ordre de profondeur, et la distance relative.
À quoi sert ce dataset ?
- Évaluer les capacités 2D et 3D des modèles multimodaux
- Tester la compréhension des relations spatiales et profondeur
- Benchmark pour recherche en vision et multimodalité
Peut-on l’enrichir ou l’améliorer ?
Le dataset peut être enrichi par l’ajout de nouveaux exemples, annotations plus détaillées ou élargissement à d’autres types de questions. L’ajout de données dynamiques ou vidéos serait également pertinent.
🔎 En résumé
🧠 Recommandé pour
- Chercheurs en vision par ordinateur
- Développeurs multimodaux
- Évaluateurs de modèles AI
🔧 Outils compatibles
- Hugging Face Datasets
- PyTorch
- TensorFlow
- Outils d’évaluation multimodale
💡 Astuce
Utilisez les splits 2D ou 3D selon la spécialisation de votre modèle pour des évaluations ciblées.
Questions fréquemment posées
Quel type de tâches ce dataset évalue-t-il ?
Il évalue la compréhension des relations spatiales, comptage d’objets en 2D, et la perception de la profondeur et distance en 3D.
Combien d’exemples contient CV-Bench ?
Environ 5 276 exemples annotés avec images et questions en 2D et 3D.
Ce dataset est-il adapté pour le fine-tuning de modèles multimodaux ?
Oui, il peut être utilisé pour fine-tuner et évaluer des modèles multimodaux en vision et langage.
