《GQA：现实世界中的视觉推理》数据集介绍

此篇文章简单介绍了GQA数据集，是用于视觉问答的数据集，论文详细，PPT介绍，如有不如，欢迎大家交流。

GQA—关于图像场景下的问答数据集。这是一个新的数据集，将被用于对现实世界中的图像进行视觉推理与组合回答的任务中。该数据集中包括了有关各种日常图像的近2000万条问题。每个图像都与一组场景图（scene graph）对应。每个问题都与其语义的结构化表示相关联在一起，并且约束应答者必须采用特定的推理步骤来回答它。

许多GQA的问题中涉及到了多种的推理技巧，空间理解和多步推理等，因此，通常比社区中使用的视觉问答数据集更有挑战性。在本次的收集过程中，我们还确保了数据集的平衡性，严格控制不同问题组的答案分布，以防止使用语言和先验信息进行猜测。

因为VQA数据集较少关注推理，因为其19.5％的问题具有关联性，8％的具有空间推理性问题，只有3％的具有构成性问题。 GQA数据集在产生需要多步骤推理的问题上付出了很多努力，并平衡了答案分布以克服问题条件偏差。构造数据集需要四个步骤，即清理和合并链接到Visual Genome中每个图像的场景图，遍历图以收集有关对象和关系的信息并生成各种问题，减少答案分布的偏倚以获得平衡。数据集，并为这些问题提供功能表示。它的约94