Visual Reasoning(1): CLEVR Dataset

这项工作是Visual Reasoning领域的开山之作了~
李飞飞&FAIR构建了一个新的Reasoning dataset, CLEVR:
https://cs.stanford.edu/people/jcjohns/clevr/

合成的数据集，由一些简单的几何形状组成的视觉图像。数据集中的问题多涉及到复杂推理，问题类别包括：属性查询（querying attribute），属性比较（comparing attributes），存在（existence），计数（counting），整数比较（integer comparison），这些问题都是程序生成的。

包括一个main dataset，以及用于研究泛化性的CLEVR-CoGenT-A和CLEVR-CoGenT-B (A→A and A→B 两种测试方法)

feifei后续的一篇论文Inferring and Executing Programs for Visual Reasoning，还提出了CLEVR-humans，还是CLEVR的images，question-answer pairs则是人类写的，句式结构更加natural~

下面介绍下paper原文的一些内容

Introduction

现在的模型很多是直接给出一个答案，而没有中间的推理过程，这使得人们很难分析模型的缺陷，究竟是哪一块出现了问题。

大神这里也提到了CLEVR的提出动机：