topraklı_scan

• Açıklama :

Grounded SCAN (gSCAN), yerleşik dil anlayışında kompozisyon genellemesini değerlendirmek için sentetik bir veri kümesidir. gSCAN, doğal dil talimatlarını eylem sıralarıyla eşleştirir ve aracının talimatları ızgara tabanlı bir görsel gezinme ortamı bağlamında yorumlamasını gerektirir.

Daha fazla bilgi şu adreste bulunabilir:

• compositional_splits ve target_length_split için: https://github.com/LauraRuis/groundedSCAN

• spatial_relation_splits için: https://github.com/google-research/language/tree/master/language/gscan/data

• Ana Sayfa : https://github.com/LauraRuis/groundedSCAN

• Kaynak kodu : tfds.vision_language.grounded_scan.GroundedScan

• sürümler :

  • 1.0.0 : İlk sürüm.
  • 1.1.0 : vector özelliği Metin() olarak değiştirildi.
  • 2.0.0 (varsayılan): Yenispace_relation_splits yapılandırmasını ekler.

• Otomatik önbelleğe alınmış ( belgeleme ): Hayır

• Özellik yapısı :

FeaturesDict({
    'command': Sequence(Text(shape=(), dtype=string)),
    'manner': Text(shape=(), dtype=string),
    'meaning': Sequence(Text(shape=(), dtype=string)),
    'referred_target': Text(shape=(), dtype=string),
    'situation': FeaturesDict({
        'agent_direction': int32,
        'agent_position': FeaturesDict({
            'column': int32,
            'row': int32,
        }),
        'direction_to_target': Text(shape=(), dtype=string),
        'distance_to_target': int32,
        'grid_size': int32,
        'placed_objects': Sequence({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
        'target_object': FeaturesDict({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
    }),
    'target_commands': Sequence(Text(shape=(), dtype=string)),
    'verb_in_command': Text(shape=(), dtype=string),
})

• Özellik belgeleri :

• Denetlenen anahtarlar (Bkz as_supervised doc ): None

• Şekil ( tfds.show_examples ): Desteklenmiyor.

• Alıntı :

@inproceedings{NEURIPS2020_e5a90182,
 author = {Ruis, Laura and Andreas, Jacob and Baroni, Marco and Bouchacourt, Diane and Lake, Brenden M},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {19861--19872},
 publisher = {Curran Associates, Inc.},
 title = {A Benchmark for Systematic Generalization in Grounded Language Understanding},
 url = {https://proceedings.neurips.cc/paper/2020/file/e5a90182cc81e12ab5e72d66e0b46fe3-Paper.pdf},
 volume = {33},
 year = {2020}
}

@inproceedings{qiu-etal-2021-systematic,
    title = "Systematic Generalization on g{SCAN}: {W}hat is Nearly Solved and What is Next?",
    author = "Qiu, Linlu  and
      Hu, Hexiang  and
      Zhang, Bowen  and
      Shaw, Peter  and
      Sha, Fei",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.166",
    doi = "10.18653/v1/2021.emnlp-main.166",
    pages = "2180--2188",
}

grounded_scan/compositional_splits (varsayılan yapılandırma)

• Yapılandırma açıklaması : Bileşimsel genelleme örnekleri.

• İndirme boyutu : 82.10 MiB

• Veri kümesi boyutu : 998.11 MiB

• bölmeler :

• Örnekler ( tfds.as_dataframe ):

grounded_scan/target_length_split

• Yapılandırma açıklaması : Daha büyük hedef uzunluklarına genelleme örnekleri.

• İndirme boyutu : 53.41 MiB

• Veri kümesi boyutu : 546.73 MiB

• bölmeler :

• Örnekler ( tfds.as_dataframe ):

grounded_scan/uzaysal_relation_splits

• Yapılandırma açıklaması : Uzamsal ilişki muhakemesi için örnekler.

• İndirme boyutu : 89.59 MiB

• Veri kümesi boyutu : 675.09 MiB

• bölmeler :

• Örnekler ( tfds.as_dataframe ):