研究者发布MMCOMET多模态常识知识图谱

Jinwoo Kim 等研究者发布 MMCOMET，一个将物理、社会与事件知识结合视觉 grounding 的大规模多模态常识知识图谱，并建立涵盖视觉常识推理、视觉问答等任务的统一评测框架。 MMCOMET 通过混合对齐流程扩展 ATOMIC2020，为每条常识三元组关联代表性图像，形成超 900K 多模态元组，覆盖 19 种关系类型。研究者称，观察到外部知识的作用因任务而异，在以感知为主的场景中直接引入知识可能带来噪声。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。