基准

CLEVR

合成视觉问答数据集，图像由简单几何体在受控光照和位置下渲染，问题主要考察计数、空间关系、属性比较，对细粒度空间信息高度敏感。

时间轴 (近 90 天)

11月2日

在 VQA 任务的 CLEVR 数据集上，Latent-Lens 准确率为 81.0±7.9%，文本通信基线为 58.3±5.7%。

待验证50%

在 VQA 任务的 CLEVR 数据集上，Latent-Lens 准确率为 81.0±7.9%，文本通信基线为 58.3±5.7%。