学界 | 斯坦福联合Facebook创建CLEVR：用于组合式语言和初级视觉推理的诊断数据集

选自arXiv.org机器之心编译参与：吴攀论文：CLEVR：一个用于组合式语言和初级视觉推理的诊断数据集（CLEVR: A Diagnostic Dataset for Compositional Language and Elementary Visual Reasoning）摘要：当开发能够推理和回答关于视觉数据的问题的人工智能系统时，我们需要诊断测试来分析我们的进展和发现缺陷。现有的一些视觉问答基准可以提供帮助，但它们有很强的偏置（bias）——模型可以利用这些偏置从而无需推理就能给出问题的正确答案。它们还混有多个误差源，这会让我们难以定位模型的弱点。我们提出了一个诊断数据集，其可以测试许多视觉推理能力。它包含了最小的偏置，并且有详细的标注描述了每个问题所需的推理的类型。我们使用这个数据集分析了各种现代的视觉推理系统 ………………………………